一種超維計算系統可在內存中執行所有核心計算

超維計算(HDC)是一種新興的計算方法，受到人腦神經活動模式的啟發。這種獨特的計算類型可以使人工智能系統根據先前遇到的數據或場景保留內存并處理新信息。

過去開發的大多數HDC系統僅在特定任務(例如自然語言處理(NLP)或時間序列問題)上表現良好。在《自然電子》上發表的一篇論文中，蘇黎世IBM研究中心和蘇黎世聯邦理工學院的研究人員介紹了一種新的HDC系統，該系統可以在內存中執行所有核心計算，并且可以應用于各種任務。

這項研究的兩位主要研究人員Abu Sebastian和Abbas Rahimi對TechXplore說：“我們的工作是由內存計算和超維計算這兩個概念之間的自然契合開始的。” “在蘇黎世的IBM研究中心，我們一直在開發基于相變存儲器(PCM)的內存計算平臺，而在蘇黎世聯邦理工學院，我們一直在探索一種大腦啟發的計算范例，稱為超維計算。”

研究人員在過去的工作中觀察到，HDC涉及的主要操作，即編碼和關聯內存搜索，都涉及對系統內存中大型分布模式的操縱和比較。由于此特性，可以使用PCM交叉開關陣列有效地制造這些系統，從而實現模擬內存計算的優勢。

塞巴斯蒂安和拉希米解釋說：“這種量身定制的組合不僅避免了馮·諾伊曼的瓶頸(又名記憶墻)，而且還顯著提高了能源效率以及對可，噪聲和故障的抵抗能力。” “大約兩年前，這一發現促使我們在ETH和IBM之間朝這個方向發起了一項聯合研究。”

為了對神經活動模式進行建模，HDC系統使用豐富的代數，該代數定義了一組規則來構建，綁定和捆綁不同的超向量。超向量是具有獨立且相同分布的分量的全息10,000維(偽)隨機向量。通過使用這些超向量，HDC支持創建功能強大的計算系統，該系統可用于完成復雜的認知任務，例如對象檢測，語言識別，語音和視頻分類，時間序列分析，文本分類和分析推理。

Sebastian，Rahimi及其同事在論文中提出了一個完整的內存HDC系統，該系統可以處理各種任務。他們的系統有兩個關鍵組成部分：HDC編碼器和關聯存儲器。

Sebastian和Rahimi說：“我們的系統通過憶阻器件上的邏輯和點積運算在內存中執行核心計算。” “由于HDC固有的魯棒性，有可能近似于與HDC相關的數學運算以使其適用于硬件實現并使用模擬內存計算，而不會影響精度。”