你的例子是不可复制的，例如。DTM_to_use没有定义，这使得除了“以下应该工作”的建议之外很难提供帮助：
plyr::ldply(x)函数接受参数.parallel = TRUE，它将分块处理x，并将其分发给任意数量的worker。这在内部使用foreach框架进行并行处理。这样你就可以使用任何“do”包了。下面是一个使用未来后端的示例：

library("doFuture")
registerDoFuture()

## Utilize all cores available to this R session
plan(multisession)

replication <- 1000
sequ <-seq(from = 5, to = 100, by = 5)
perplex <- plyr::ldply(sequ, function(x) {
   t(replicate(replication, c(a = x, b = sqrt(x))))
}, .parallel = TRUE)

str(perplex)
'data.frame':   20000 obs. of  2 variables:
 $ a: num  5 5 5 5 5 5 5 5 5 5 ...
 $ b: num  2.24 2.24 2.24 2.24 2.24 ...

既然您提到HPC是您的目标：如果您有一个没有作业调度程序的ad-hoc群集，但您可以通过SSH连接到每个节点，则可以用途：

plan(cluster, workers = c("node1", "node2", "node2", "node3"))

在node1和node3上各运行一个内核，在node2上运行两个内核。如果你有一个真实的的作业调度器，比如SGE，那么你可以用途：

library("future.batchtools")
plan(batchtools_sge)

并且sequ中的每个元素将作为队列上的单个作业来处理（这实际上对应于具有无限数量的工作者）。如果你想把它分成块，你可以限制工人的数量，例如：

plan(batchtools_sge, workers = 200)

无论使用什么样的后端，脚本看起来都是一样的。
编辑2023-05-30：（虚拟）未来的后端multiprocess已经不复存在，取而代之的是multisession和multicore。更新示例以使用plan(multisession)。