Многие научные проблемы, например, моделирование квантовой механики,
нелинейная оптимизация, используемая в прогнозировании погоды, а также
оптимизация и минимизация логических схем, требуют вычислительных ресурсов,
которые на много порядков превосходят ресурсы любого отдельного компьютера.
Все более широкое применение этих методов в современной науке является
движущей силой поиска путей создания условий, в которых эти проблемы могут
быть решены в разумные сроки. Еще в 1990-х годах появился термин «грид-
компьютинг»; подход, который включает объединение вычислительных ресурсов
многих отдельных компьютеров в единую целостную сущность, которая может
обеспечить объединенную вычислительную мощность так же просто, как доступ к
мощности из сети.

Хотя настройка локального кластера для грид-вычислений кажется очень простой,
это требует значительных затрат. Вам нужно не только приобрести достаточно
оборудования для доставки необходимых вам ресурсов, но также вы должны
оплатить текущие расходы на техническое обслуживание и эксплуатацию. Это не
очень экономичный способ для случайных расчетов и разовых проектов. Однако
несколько подходов к децентрализации грид-вычислений были представлены в конце
90-х годов и основаны на том факте, что многие люди сегодня имеют очень мощные
компьютеры, которые все подключены к Интернету. Если вы подумаете об этом,
вычислительная мощность значительна - не в суперкомпьютерных центрах или
лабораториях, а в домах людей. Такие платформы, как Distributed.net и более
поздние SETI @ Home и BOINC, показали способы использования этих
(пользовательских) устройств для формирования более мощного сетевого
компьютера практически без затрат на первоначальную настройку. Тем не менее,
эти платформы в основном опирались (и полагаются) на работу на добровольных
началах, то есть на участников-добровольцев, которые готовы внести свой
вычислительный потенциал в проекты, к которым они стремятся. Само собой
разумеется, что более скучные проекты (такие как моделирование домашних
заданий) имеют очень мало шансов использовать любое разумное количество
вычислительных ресурсов.