Java 作为一种主要的编程语言已经存在了将近 20 年，但到目前为止它还没有在科学计算领域流行起来。我认为这是一个很好的指标，可以预测未来会发生什么。

我的看法是，问题不在于速度。大多数人可能愿意放弃 20% 的性能（甚至是 2 倍），如果他们能更快地开发他们的程序的话。但 Java 与 C++ 的情况似乎并非如此（尽管 Java 与 Fortran 几乎可以肯定是这样）。我认为实际上情况正好相反：因为实际上所有 HPC 库（尤其是用于线性代数和有限元方法）都是用 C 或 C++ 编写的，所以使用 Java 将是一大痛苦，因为必须以某种方式翻译现有的接口。对于 PETSc、Trilinos（或我自己的项目 deal.II）大小的库，这根本不可行。

换句话说，使用 Java（或 Scala，或您想到的任何其他语言），与 C++ 相比，负担是巨大的：您要么必须编写现有库的包装器和接口，要么必须重新实现现有库的数十万行代码。听起来都不是一个有吸引力的选择。

在我看来这不太可能。Java MPI API 多年未开发（所以您对#4 的看法是错误的），而且 JVM 的浮点性能是出了名的差。由于快速的线程创建和简单的内存管理，Java 可能在某些领域胜过 C/C++ 或 Fortran，但这些并不是典型科学程序的瓶颈。

至于你的#5，很多 Java 程序员的可用性并不是那么有帮助。我发现优秀的科学程序员需要了解科学和软件工程。这两个方面都是可训练的，因此您必须花时间在科学或软件工程上进行培训，才能成为一名优秀的科学程序员。也有很多优秀的科学家，所以潜在的人才库足够大，最终可以从任何一方提供优秀的科学程序员。

我认为，与现代 c++ 相比，Java 实际上会降低生产力，甚至与现代 Fortran 相比，以科学计算为目的。写作

A = B*C+2*D

可读性比

A = B.mult(C).add(D.mult(2))

假设上面的代码处理数组，C++ 和 fortran 也会为该示例生成更高效的代码，具体取决于您选择的库。Scala 是一种更好的语言，因为它允许使用体面的语法，尽管创建大量临时对象仍然会影响性能。

Java 和 Scala 都没有将复杂数据作为原始类型，这意味着在进行计算时会有很大的开销。

正如其他人所说，您需要一个体面的 C/Fortran 库接口来进行科学计算。这可以在 Java 和 Scala 中完成，但可能需要大量工作。

如果您想学习一种“商业”编程语言，并且您正在使用科学计算作为培训，我会考虑使用 C#，它对这些东西具有更合理的语法。

如果你只是想做科学编程，我会考虑学习 Julia，作为一种“快速完成工作”的语言。这将使您获得比 JVM 语言更快的代码，具有出色的绘图支持（通过 python）并且为科学计算积极开发。

如果您想学习一种新的编程范式，请尝试 F#，因为您仍然可以轻松访问各种 .NET 库以进行科学计算。

最后，如果您想要高性能，C++ 目前比 Java 更具表现力，并且对 OMP 有不错的并行支持。可以说，它还具有上述任何语言的最佳库支持。

话虽这么说，Java 在金融领域被大量使用。请记住，COBOL 也是如此，它会告诉您有关金融领域编程的所有信息。

我是名为Deeplearning4j的机器学习库的贡献者。

我们看到金融、电信、政府机构等行业对基于 JVM 的工具有相当大的需求。

我们开发了ND4J，它支持 Java 的 n 维数组，并包含一个 Scala 包装器 ND4S。

所有优化都在 C/C++ 中，但该框架与 Hadoop 和 Spark 集成，使它们能够在多个 GPU 上运行。