如果
多线程被反复使用。例如，线程一会查看第一个分支，线程二会查看第二个线程，等等。我认为这应该只在第一个深度（AI进行的下一次移动）进行，因为其他深度可能会被切断。
一个线程在生成的第一个"移动"中搜索生成的移动集的一半，第二个线程在最后一个生成的"移动"并搜索回移动集的半部分。在这里，我认为可以提高速度，因为最后一步可以被认为是最好的一步，因此，第二个线程可能会导致第一个线程无法实现的中断。
多线程被用来思考对手的时间。例如，假设对手花了一些时间思考和采取行动。人工智能可以迭代地深化搜索并找到结果，而对手正在思考，我想，这不一定会导致加速，但有更多的时间进行极小值分析。
我想，可能还有其他优化，但这些只是我想到的少数几个。不过，我不知道他们是否真的会有所改善。
如果我正确理解你的想法，你计划并行搜索根位置的移动。与严格的顺序算法相比，它应该更好，但我不希望它能很好地扩展（使用多个CPU）。
为了进行比较，这里总结了国际象棋中现有的并行化策略：
- https://www.chessprogramming.org/Parallel_Search
由于alpha-beta是一种顺序算法，所有的并行化策略都是推测性的。因此，您要避免花费时间搜索搜索树的某些部分，这些部分最终会被其他操作所削减。避免搜索不相关子树的一个相对简单的策略叫做Young Brothers Wait Concept。
还有一些算法具有改进的可扩展性，但代价是更难理解和实现。例如，支持工作窃取应该可以提高可扩展性。