于是开始上课，其实对于并行计算，孙彧又有一些想法，集中与分布可谓计算机发展史上一对互相转化的矛盾，每一个分布式的节点，随着规模增加，必然会出现集中的倾向，而每一个集中的中心，随着网络或者互联技术的发展，又会变得分布起来。
当然现在计算机互联技术还不是那么发达，不论是带宽还是传输率都不是那么的令人满意，或者说并不能满足分布计算应该有的指标，所以，在单机甚至指令级上试图实现或者说研究并行计算，很有些螺蛳壳里做道场的意思，孙彧觉得这并没有什么前途，没有超算那么就集群，然后是分片，map/reduce，这些才是并行处理大数据的正确途径。
或者，换句话说，孙彧觉得在CPU级也是可以使用一个调度系统的，毕竟每一条机器指令，到了CPU执行的层面，还是可以细分的，一细分，就有了调度的余地。
至于超大规模集成电路设计导论，大体上又是把数字电路、计算机组成原理和计算机体系结构综合起来复习了一遍，当然，并行计算也得讲讲这些内容，真是万变不离其宗。
不过，孙彧的想法却又变成了可以把操作系统写到芯片上，实现一个内核级的指令与数据分离的架构，这样可以简化应用程序的开发难度。
当然这也可以算是一种哈佛架构，只不过只是对于操作系统来说的，而对于应用程序，却还是冯诺伊曼结构的，或者说，应用程序并不需要考虑CPU和操作系统用的什么架构，编译程序也不需要。
有自己的东西，想怎么折腾就怎么折腾，孙彧浮想翩翩的开着小差。
然后是神经网络和模式识别，说到底模式识别就是两大任务，一则拟合，一则分类，而神经网络也是可以用来解决这两类问题的，只不过这个时候用神经网络并不比其他方式更有优势，如果不是更加劣势的话，所以，神经网络至少在这个时候还是颇有些声名狼藉的，毕竟人们曾经对神经网络抱有那么大的希望，所谓希望越大，失望越大。
但是不管怎么说，神经网络仍然是死而不僵败而不倒，于是系里继续开着这门课，只不过老师讲课也算是乏善可陈，介绍了一些基本概念之后，主要也还是讲讲在模式识别上的应用，于是模式识别课就不讲神经网络的内容了。
所以，虽然梯度反向传播提出有些年头了，但是似乎并没有人真正应用到神经网络的自学习当中，原因当然挺简单的，没有足够规模的节点，神经网络只会是一个玩具，但是一直以来计算机硬件发展并不足以支持大规模的神经网络模型，至于超算......只能说有更重要的事情要做，或者说，能够使用以及需要使用超算的人，并不会去考虑神经网络的问题。
至于计算复杂性，从课本内容上看其实是两个部分，一个是可计算性，或者说要解决一个停机问题，另一个才是课程的名称，计算复杂性。这门课的研究工具是自动机，或者说universal machine，这是一门到了研究生还要开的课，于是系里就合并了课程，让研究生和本科生一起上，而且考试还会一起考。
当然，考试不会很难就是，写几个自动机而已，李森说道，他研究生初试成绩已经出来，上线了，他报的还是李老师，于是就更加的有事没事就跑上来找孙彧聊天吹水，他一说到到时候读了研究生还要再上一遍这个课，也很是好笑。
但是一提到编译原理，李森脸色便严肃起来，但是又多少带着几分幸灾乐祸，其实他到了研究生还有一门相关的课程，叫做程序验证，比编译原理更为抽象一些，于是系里就没有把两门课合到一起上，不然又要吐一回，李森说道。
“当年我们的师兄就是这么吓我们的，你们到时候也可以去吓吓你们后面的师弟。”李森哈哈笑着。
而软件工程，看课本内容倒是博大精深，但是真正上了课，大家也才知道这不过是一门吹水的课程，国内软件现在都是一些个人作品或者小作坊出品的大环境之下，课上又能说些什么呢？至于开源，唔，那更是混乱不堪，完全违背了软件工程原则的开发模式。
所以，老师在上面念书，同学们在底下各行其是，孙彧觉得自己肯定会逃这门课的，只不过刚开学得先看看情况。
通信原理上课的老师当然是电子系的，不过似乎不知道计算机系有学生在他们电子系的一个老师的实验室干活，不过迟早也会认识的，孙彧只是希望这个老师不是黄老师或者周教授的对头。
系里面开了一次全体学生大会，班长通知的时候特别交代这个会比较重要，涉及到计算机系将来的发展，希望大家都去参加一下。
会议的主要精神就是，信息高速公路的风终于从大洋彼岸吹过来了，所以学校大概要集中力量办大事，打算重新调整学校的院系结构，包括考虑让电子系和计算机系组成一个信息科学与技术学院，当然，这只是一个初步构想，并且还在征求意见当中，不过，在一个大学里边，一个校长想做什么的话，其实基本上是不会有谁能阻拦得了的。
这章没有结束，请点击下一页继续阅读！