之前依靠刘教授协调和竞赛期间特批的超算中心机时，已经远远无法满足需求。

“这样不行。”

陈知行看着屏幕上因为算力不足而运行缓慢、甚至频频报错的模拟程序，眉头紧锁，

“按照现在的进度，完成底层理论的基础验证就需要至少半年，这还不包括可能出现的反复和调整。”

周炽也抓狂地揉着头发：

“我的多维参数空间搜索算法，每次迭代都需要巨大的计算量，现在这速度，跟老牛拉破车一样！”

陈知行尝试动用他的关系网去协调更多的机时，但国家级超算中心资源紧张，各个重大项目都在排队，短时间内难以大幅增加他们的份额。

苏想负责数据预处理和部分模块的初步测试，对算力瓶颈的感受同样深刻。

她看着团队陷入困境，心中焦急。

她想起之前顾延舟提到的“海外非敏感行业数据”和“额外资助”，但潜意识里，她对接受这种背景复杂的资助心存警惕。

“或许……我们可以优化算法本身？”

苏想提出想法，“减少不必要的计算冗余，或者寻找一些计算量更小的近似算法作为过渡？”

陈知行摇了摇头：

“核心理论的验证必须保证精确性，近似算法会引入不确定性。优化空间有限。”

就在一筹莫展之际，周炽猛地一拍桌子，眼睛发光：

“等等！我们能不能……自己搭一个小的分布式计算集群？”

“分布式计算集群？”

其他三人都看向他。

“对！”

周炽兴奋地解释，

“就是把多台性能不错的个人电脑或者工作站，用网络连接起来，让它们协同工作，共同完成一个大任务！

虽然单机性能比不上超算，但如果我们能搞到十几二十台，积少成多，也能解决不少问题！

而且自主可控！”

这个想法极具诱惑力，但也面临着现实问题：钱和设备。