Modulare Composite Representation: Effiziente Hyperdimensionale Rechenmodelle
Ein neues Rechenmodell namens Modular Composite Representation (MCR) hat die Forschung im Bereich der hyperdimensionalen Berechnungen auf ein neues Level gehoben. MCR nutzt hochdimensionale Ganzzahlvektoren und modulare Arithmetik, um Informationen kompakt und leistungsfähig darzustellen – eine Weiterentwicklung des bekannten Binary Spatter Code.
Die erste umfassende Evaluation von MCR zeigt, dass es die Kapazität von binären und ganzzahligen Vektoren deutlich übertrifft und gleichzeitig die Speicheranforderungen von komplexwertigen Repräsentationen um einen großen Teil reduziert. Auf 123 verschiedenen Datensätzen konnte MCR konsistente Genauigkeitssteigerungen erzielen und die Leistung von Binary Spatter Codes mit bis zu viermal weniger Speicher erreichen.
Ein weiterer Meilenstein ist die Hardware‑Implementierung. MCR lässt sich nahtlos in digitale Logik überführen, und die Autoren haben den ersten dedizierten Accelerator entwickelt. In Tests mit grundlegenden Operationen und sieben ausgewählten Datensätzen erzielte der Accelerator bis zu drei Größenordnungen höhere Geschwindigkeit und signifikante Energieeinsparungen im Vergleich zu Software‑Implementierungen. Bei gleicher Genauigkeit war MCR im Durchschnitt 3,08‑fach schneller und verbrauchte 2,68‑fach weniger Energie.
Diese Ergebnisse demonstrieren, dass MCR ein ausgewogenes Verhältnis von Kapazität, Genauigkeit und Hardwareeffizienz bietet. Die Kombination aus kompakter Speichernutzung, hoher Rechenleistung und energieeffizienter Hardware macht MCR zu einer vielversprechenden Alternative für zukünftige Anwendungen in der künstlichen Intelligenz und darüber hinaus.