不同的Jupyter Notebooks默认情况下是单线程运行的，但可以通过一些方法实现自动并行运行。

一种解决方法是使用IPython的并行计算库，它允许在不同的Jupyter Notebooks中并行运行代码。下面是一个简单的示例：

首先，安装IPython并行计算库：

!pip install ipyparallel

然后，在一个Jupyter Notebook中创建一个IPython集群（Cluster）：

from ipyparallel import Client

# 创建一个IPython集群
client = Client()

# 获取集群中的所有计算引擎
dview = client[:]

# 定义并行运行的函数
@dview.parallel(block=True)
def parallel_function():
    # 在这里编写需要并行运行的代码
    pass

# 并行运行函数
parallel_function()

在另一个Jupyter Notebook中，可以使用同样的方法并行运行代码。

请注意，上述示例仅适用于在同一计算机上的不同Jupyter Notebooks之间进行并行运行。如果要在不同计算机上的Jupyter Notebooks之间进行并行运行，可以使用其他工具，如Dask或MPI。

另外，也可以通过在不同的Jupyter Notebooks中创建多个内核（kernels）并行运行代码。具体步骤如下：

1. 打开一个Jupyter Notebook，选择“Kernel”菜单，点击“Change Kernel”选项，选择一个可用的内核。
2. 打开另一个Jupyter Notebook，选择同样的内核。
3. 在两个Notebooks中同时运行代码，它们将在不同的内核中并行运行。

这种方法适用于在同一台计算机上的不同Jupyter Notebooks之间进行并行运行。如果要在不同计算机上的Jupyter Notebooks之间进行并行运行，可以通过设置并行计算集群来实现。