Предмет. Влияние развития высокопроизводительных вычислений на экономику Бразилии. Цели. Проанализировать микро- и макроэкономические показатели Бразилии, выявить наиболее развитые отрасли экономики страны. Оценить эффект влияния увеличения высокопроизводительных вычислений в передовых отраслях экономики. Методология. В процессе исследования использовались методы анализа, синтеза, классификации, абстрагирования, формализации, модель «затраты – выпуск» и изучение кейсов. Результаты. Повышение высокопроизводительных вычислений в передовых отраслях экономики Бразилии напрямую повлияет на снижение издержек, повысит урожайность, что окажет эффект на другие направления экономики страны. Выводы. Повышение высокопроизводительных вычислений может оказать колоссальное влияние на экономику страны, снизить стоимость производимых товаров и услуг, что поможет повысить конкурентоспособность экспорта страны и оказать положительное влияние на потребление домашних хозяйств.
Ключевые слова: экономика Бразилии, высокопроизводительные вычисления, экономический эффект от развития высокопроизводительных вычислений, input-output модель
Список литературы:
Doré N.I., Teixeira A.A.C. The role of human capital, structural change, and institutional quality on Brazil's economic growth over the last two hundred years (1822–2019). Structural Change and Economic Dynamics, 2023, no. 66. DOI: 10.1016/j.strueco.2023.04.003
Нижегородцев Р.М., Хакимов З.Р. Моделирование инфляционных процессов и кривая Филлипса в экономике Бразилии // Вестник Южно-Российского государственного технического университета (НПИ). Серия: Социально-экономические науки. 2012. № 3. С. 18–28. EDN: OZOBTB
Joia L.A., Proença R. The social representation of FinTech from the perspective of traditional financial sector professionals: Evidence from Brazil. Financial Innovation, 2022, vol. 8, iss. 1. DOI: 10.1186/s40854-022-00409-7
Silva D., Alves V.K., Souza E.S. Machine learning for particle size prediction in iron ore grinding process. Peer Review, 2024, no. 6, pp. 157–177. DOI: 10.53660/PRW-2563-4602
Feng S., Du J. Design of quantitative trading system based on data mining method under software and high‐performance computing. Mathematical Problems in Engineering, 2022, no. 1. DOI: 10.1155/2022/6540928
Li Y., Xu Q., Liu B. et al. Genetic algorithms application for pricing optimization in commodity markets. Mathematics, 2024, vol. 12, iss. 9. DOI: 10.3390/math12091289
Shafa H. Integration of machine learning and advanced computing for optimizing retail customer analytics. International Journal of Business and Economics Insights, 2022, no. 2, pp. 1–46. DOI: 10.63125/P87SV224
Liu S., Yan L., Wang Y. et al. A parallel logistic network simulation method and system to improve logistics efficiency. IEEE Journal of Radio Frequency Identification, 2024, no. 99. DOI: 10.1109/JRFID.2024.3392943
Usman S., Katib I., Mehmood R. et al. Data locality in high performance computing, big data, and converged systems: An analysis of the cutting edge and a future system architecture. Electronics, 2022. DOI: 10.20944/preprints202211.0161.v1
Wang F.Z., Animasaun I.L., Muhammad T. et al. Recent advancements in fluid dynamics: Drag reduction, lift generation, computational fluid dynamics, turbulence modelling, and multiphase flow. Arabian Journal for Science and Engineering, 2024, no. 49, pp. 10237–10249. DOI: 10.1007/s13369-024-08945-3
Aghimien E.I., Aghimien L.M., Aghimien D. et al. High-performance computing for computational modelling in built environment-related studies – A scientometric review. Journal of Engineering, Design and Technology, 2020. DOI: 10.1108/JEDT-07-2020-0294
