Mide el rendimiento de un solo hilo de la CPU simulando el crecimiento logístico de una población (modelo de Verhulst) durante 8 millones de pasos de tiempo con el método de Euler. Cuanto menor el tiempo, mejor.
El modelo de crecimiento logístico, propuesto por Pierre François Verhulst en 1838, describe cómo crecen las poblaciones en un entorno con recursos limitados. A diferencia del simple crecimiento exponencial, la ecuación logística incluye una capacidad de carga K: el tamaño máximo sostenible de la población. A medida que la población se acerca a K, el crecimiento se frena y acaba deteniéndose, lo que produce la característica curva sigmoide en forma de S que aparece en sistemas que van desde colonias de bacterias hasta censos nacionales.
La ecuación que lo gobierna es dN/dt = r·N·(1 − N/K), donde N es la población, r la tasa de crecimiento intrínseca y K la capacidad de carga. Esta EDO no lineal tiene una solución analítica exacta, pero la integración numérica permite estudiar variantes modificadas, perturbaciones estocásticas y sistemas acoplados de varias especies que carecen de respuesta en forma cerrada. También es el límite de una sola especie de los modelos completos de competencia de Lotka-Volterra y de epidemiología SIR.
Este benchmark integra la ecuación de Verhulst durante 8 millones de pasos de tiempo con el método de Euler progresivo, el integrador numérico de primer orden más simple. Cada paso requiere una multiplicación, una división y dos sumas en coma flotante. Como los 8 millones de pasos son secuenciales y dependientes entre sí, la carga es una prueba limpia de rendimiento de CPU en un solo hilo: el motor de JavaScript no puede paralelizarla y los patrones de acceso a memoria son triviales. Un menor tiempo indica una ejecución más rápida de la CPU.