Viele wissenschaftliche Probleme, z. B. die Simulation der Quantenmechanik, die nichtlineare Optimierung bei der Wettervorhersage sowie die Optimierung und Minimierung von Logikschaltungen, erfordern Rechenressourcen, die die eines einzelnen Computers um ein Vielfaches übersteigen.Die zunehmende Anwendung dieser Methoden in der heutigen Wissenschaft war die treibende Kraft bei der Suche nach Wegen, Umgebungen zu schaffen, in denen diese Probleme in angemessener Zeit gelöst werden können.Bereits in den 1990er Jahren tauchte der Begriff "Grid Computing" auf;Ein Ansatz, bei dem die Rechenressourcen vieler einzelner Computer zu einer ganzheitlichen Einheit zusammengefasst werden, die ihre kombinierte Rechenleistung so einfach bereitstellen kann wie den Zugriff auf Strom aus dem Netz.Es ist mit erheblichen Kosten verbunden.Sie müssen nicht nur genügend Ausrüstung kaufen, um die benötigten Ressourcen bereitzustellen, sondern auch die wiederkehrenden Kosten für Wartung und Betrieb tragen.Dies ist keine sehr wirtschaftliche Methode für gelegentliche Berechnungen und einmalige Projekte.In den späten 90er Jahren wurden jedoch einige Ansätze zur Dezentralisierung des Grid Computing vorgestellt, die auf der Tatsache aufbauen, dass viele Menschen heutzutage über sehr leistungsfähige Computer verfügen, die alle mit dem Internet verbunden sind.Wenn Sie darüber nachdenken, gibt es eine beträchtliche Menge an Rechenleistung - nicht in Supercomputer-Zentren oder Laboratorien, sondern in den Häusern der Menschen.Plattformen wie Distributed.net und höher, SETI @ Home und BOINC, haben Möglichkeiten aufgezeigt, wie diese (Benutzer-) Geräte verwendet werden können, um einen leistungsstärkeren Grid-Computer zu bilden, der fast keine Einrichtungskosten verursacht.Diese Plattformen stützten sich jedoch größtenteils auf freiwilliges Computing, dh auf freiwillige Teilnehmer, die bereit sind, ihre Rechenleistung in angestrebte Projekte einzubringen.Es ist unnötig zu erwähnen, dass langweiligere Projekte (wie Ihre Hausaufgaben-Simulation) nur geringe Chancen haben, eine angemessene Menge an Rechenressourcen in Anspruch zu nehmen.