一种高效的并行算法是使用GPU并行处理原始数组。首先，将原始数组复制到GPU内存中，然后启动一个CUDA核心来执行过滤操作。该算法使用CUDA的GPU架构，使用线程块和线程索引，使得每个线程可以在独立的数据块上计算。过滤操作可以在每个线程的数据块上独立执行，最终合并结果。该算法的时间复杂度为O(n)，其中n是数组的大小。

这里给出一个CUDA C++示例代码，可以实现对原始数组进行并行过滤：

__global__ void filter(int *input, int *output, int filter_value, int n){
    int i = blockIdx.x * blockDim.x + threadIdx.x;
    if(i < n){
        int val = input[i];
        if(val > filter_value){
            output[i] = val;
        }
    }
}

int* parallel_filter(int *input, int filter_value, int n){
    int *d_input, *d_output;
    int *output = new int[n];
    cudaMalloc(&d_input, n*sizeof(int));
    cudaMalloc(&d_output, n*sizeof(int));
    cudaMemcpy(d_input, input, n*sizeof(int), cudaMemcpyHostToDevice);
    int threads_per_block = 256;
    int blocks_per_grid = (n + threads_per_block - 1)/threads_per_block;
    filter<<>>(d_input, d_output, filter_value, n);
    cudaMemcpy(output, d_output, n*sizeof(int), cudaMemcpyDeviceToHost);
    cudaFree(d_input);
    cudaFree(d_output);
    return output;
}

该示例代码中，filter是CUDA核函数，用于在GPU上并行过滤输入数组。输入参数有输入数组、输出数组、过滤器值和数组大小。在此函数中，线程索引i表示输入数组中的一个元素。如果这个元素大于过滤器值，就将其存储到输出数组中。输入数组和输出数组都存储在GPU设备内存中。函数parallel_filter用于管理CUDA内存，将输入数组和输出数组从主机(CPU)内存复制到GPU设备内存，并启动核函数对输入数组进行过滤。最终，该函数返回与输入数组大小相同的过滤后的输出数组。

例如，如果原始数组input为{1, 4, 7,