我希望这是正确的问题[1]，但我在这里阅读了很多关于其他主题的好评，所以我只想问。目前我正在为我的论文（我认为非德国国家的博士学位）寻找一个主题，这必须要做并行性或并发性等等。但是否则我可以自由地选择我的论文我对此感兴趣。所有使用GPU的东西都不合理，因为我的同事已经研究过这个主题，我们想为我做点别的事情：）
所以，神奇的问题是：你认为这个领域有什么有趣的话题？就个人而言，我对并行函数式编程语言和虚拟机感兴趣，但我会说已经完成了许多工作或者正在积极研究（例如在Haskell社区中）。
我非常感谢帮助我指出其他有趣的话题。
祝你好运， 迈克尔
PS：我已经看过https://stackoverflow.com/questions/212253/what-are-the-developments-going-on-in-all-languages-in-parallel-programming-area，但没有很多答案。
[1]我已经在http://lambda-the-ultimate.org问过了，但遗憾的是回复不如预期的那么多。
答案 0 :(得分：7)
答案 1 :(得分：6)
另一个研究领域是自动并行化。也就是说，给定一系列指令S0..Sn，得出多个序列，以较少的步骤执行相同的工作。
答案 2 :(得分：5)
Erlang编程！
答案 3 :(得分：3)
从头到尾：
负载均衡＆amp;如何实现最佳并行化水平。我认为这对于博士来说可能是一个非常好的起点，因为在这里你可以提出新的方法并将其与手中的实际值（步骤数 - 已经提到的，CPU使用率，内存使用量等）进行比较，或者针对特定的算法或一组任务（例如图像处理）。
并行垃圾收集。有很多算法可供收集，有很多算法可以在内存中显示对象。例如，Haskell社区最近开展了一项关于Parallel GC的工作：http://research.microsoft.com/en-us/um/people/simonpj/papers/parallel-gc/index.htm 再一次，有一种很好的方式来呈现您的结果并与其他人进行比较，它最终为您提供了灵活性 - 您可以稍后关注并发数据结构，或同步基元或算法等。
答案 4 :(得分：2)
可能你现在已经拥有博士学位了;）。无论如何：我想到了大规模并行系统的容错能力。
答案 5 :(得分：1)
并行处理和规则引擎都是商业/工业计算领域的高可见性主题。那么，如何看待Rete算法的并行实现（介绍性描述here和here），许多商业商务规则引擎下的基础？是否有建立Rete网络的技术 哪个更适合并行化？是否可以将“vanilla”Rete网络重构为可以并行执行的多个网络？等
答案 6 :(得分：1)
并行友好的通用应用程序功能。目前，并行性一直主要集中在科学计算和编程语言上，而不是消费者应用程序或消费者应用程序友好特性/数据结构/设计模式，这些在多核心世界中非常重要。
答案 7 :(得分：1)
你提到了Haskell，你肯定偶然发现Data Parallel Haskell。由于大数据分析最近是个大词，并且由于地图/减少利基过度拥挤，我认为DPH是一个很好的研究领域。