综述：高性能统计计算（HPSC）：挑战、机遇与未来发展方向

《WIREs Computational Statistics》：High-Performance Statistical Computing (HPSC): Challenges, Opportunities, and Future Directions

　　统计计算社区需加强与传统HPC的融合，通过算法优化与跨平台技术（如联邦计算、量子加速）提升HPSC应用，促进统计方法与现代HPC技术协同创新。

　　

摘要

我们注意到一个专注于使用大型计算平台进行工作的统计计算社区的出现，该社区开发出能够体现高性能统计计算（HPSC）特性的软件和应用程序。统计计算（SC）社区开发的软件被广泛应用于各个学科领域。然而，这一社区在高性能计算（HPC）领域仍然鲜有身影，尤其是在像www.top500.org或Green500榜单上列出的平台上。许多学科已经参与了HPC研究，主要集中在仿真科学领域，尽管以人工智能（AI）为标签的数据相关研究正在逐渐受到重视。要弥合这一差距，需要社区自身的适应以及技术创新，以使统计方法与现代HPC技术相融合。通过加强SC社区与HPC社区之间的联系，我们可以加速快速且可扩展的统计应用程序的发展。本文简要回顾了统计计算的发展历程，阐述了其优势如何为HPC环境（尤其是HPSC）中的统计科学研究做出贡献，指出了当前面临的挑战以及现有的机遇，并提出了一个可能的路径图，以促进HPSC社区的繁荣发展。

本文归类于：

• 计算统计软件 > 高性能软件
• 计算统计软件 > 软件/统计软件
• 算法与计算方法 > 高性能计算方法

图形摘要

高性能统计计算（HPSC）的发展历程：从传统的单线程R工作流程转向基于并行统计算法、HPC编程模型以及联邦计算、量子加速和混合精度等新兴技术的可扩展多节点架构。

利益冲突

作者声明不存在利益冲突。

数据可用性声明

由于本研究未创建或分析任何新数据，因此不适用数据共享的相关规定。