一种超维计算系统可在内存中执行所有核心计算

超维计算(HDC)是一种新兴的计算方法，受到人脑神经活动模式的启发。这种独特的计算类型可以使人工智能系统根据先前遇到的数据或场景保留内存并处理新信息。

过去开发的大多数HDC系统仅在特定任务(例如自然语言处理(NLP)或时间序列问题)上表现良好。在《自然电子》上发表的一篇论文中，苏黎世IBM研究中心和苏黎世联邦理工学院的研究人员介绍了一种新的HDC系统，该系统可以在内存中执行所有核心计算，并且可以应用于各种任务。

这项研究的两位主要研究人员Abu Sebastian和Abbas Rahimi对TechXplore说：“我们的工作是由内存计算和超维计算这两个概念之间的自然契合开始的。” “在苏黎世的IBM研究中心，我们一直在开发基于相变存储器(PCM)的内存计算平台，而在苏黎世联邦理工学院，我们一直在探索一种大脑启发的计算范例，称为超维计算。”

研究人员在过去的工作中观察到，HDC涉及的主要操作，即编码和关联内存搜索，都涉及对系统内存中大型分布模式的操纵和比较。由于此特性，可以使用PCM交叉开关阵列有效地制造这些系统，从而实现模拟内存计算的优势。

塞巴斯蒂安和拉希米解释说：“这种量身定制的组合不仅避免了冯·诺伊曼的瓶颈(又名记忆墙)，而且还显着提高了能源效率以及对可，噪声和故障的抵抗能力。” “大约两年前，这一发现促使我们在ETH和IBM之间朝这个方向发起了一项联合研究。”

为了对神经活动模式进行建模，HDC系统使用丰富的代数，该代数定义了一组规则来构建，绑定和捆绑不同的超向量。超向量是具有独立且相同分布的分量的全息10,000维(伪)随机向量。通过使用这些超向量，HDC支持创建功能强大的计算系统，该系统可用于完成复杂的认知任务，例如对象检测，语言识别，语音和视频分类，时间序列分析，文本分类和分析推理。

Sebastian，Rahimi及其同事在论文中提出了一个完整的内存HDC系统，该系统可以处理各种任务。他们的系统有两个关键组成部分：HDC编码器和关联存储器。

Sebastian和Rahimi说：“我们的系统通过忆阻器件上的逻辑和点积运算在内存中执行核心计算。” “由于HDC固有的鲁棒性，有可能近似于与HDC相关的数学运算以使其适用于硬件实现并使用模拟内存计算，而不会影响精度。”