通过超维计算发明明天的技术

这听起来像是最新的星球大战或漫威电影中的东西，但超维(HD)计算实际上是非常真实的。简而言之，它是一种受理论神经科学启发的新颖的机器学习范式。

高清计算采用了我们大脑如何执行复杂任务的一系列原理，即将密集的感知数据转换为高维稀疏表示，其中相关信息可以更容易地分离，以在不牺牲准确性的情况下实现性能和能源效率的提升并具有抗噪声能力强的额外优点。高清计算还适合高度并行化，当与最佳计算硬件配合使用时，可以使用这些原理作为下一代机器学习的基础。

与人工智能或量子计算等技术不同，高清计算尚未嵌入流行的文化时代精神中。因此，虽然我们已经简单地阐述了高清计算是什么，但我们还可以更进一步。让我们深入了解一下高清计算，它是什么?它有什么能力?今天它是如何使用的......

清计算的灵感来自于人类(和其他动物)如何利用他们的感官来收集信息。例如，当接收视觉信息时，对您来说，该信息是由来自放电神经元的密集输入感觉信号表示的。

然后这些电信号从您的视网膜传播;通过视神经;到你的大脑，它们被转换或分解为高维稀疏表示，其中有数千个神经元参与——换句话说，就是你所看到的。科学家们认为，通过从紧凑的描述转向看似效率较低的高维稀疏表示，大脑可以更轻松地分离最关键的信息。

高清计算模仿人类记忆中这种基于模式的计算，使用数万甚至数十万的大向量。例如，如果您要从实数的最初密集描述中获取数据，然后将其表示为数千个位或超向量，那么HD模型可以更轻松地识别哪些数据与其他数据共享模式-本质上将最关键信息。

除此之外，高清计算还使用快速单遍训练。这允许实时学习和推理，与需要训练复杂系统的深度神经网络不同，这意味着高清计算模型可以在像手机或传感器这样简单的东西上在线学习和训练。超向量的使用还使得高清计算对噪声具有极强的鲁棒性，而使用硬件加速器则使高清计算更加节能。所有这些特性使高清计算非常适合人工智能功能——无论是图像和对象的分类，还是检测、存储、绑定和解除绑定噪声模式。

如今高清计算的使用情况如何?

所有这些都在谈论什么是高清计算，但是它的实际效果如何呢?嗯，人们已经在努力利用它在现实世界中提供真正的价值。

在过去的五年里，加州大学圣地亚哥分校(UCSD)的联合大学微电子项目(JUMP)CRISP中心与英特尔实验室以及许多其他行业合作者合作，利用高清计算来解决内存和存储问题。COVID-19废水监测和个性化推荐系统带来的存储挑战。

该研究由首席研究员、加州大学圣地亚哥分校计算机科学与工程、电气与计算机工程教授TajanaSimunicRosing领导。众所周知，2020年COVID-19大流行来袭时，全球各地的组织和机构被迫关闭。然而，由于CRISP中心和UCSD医学院共同努力追踪废水中的病毒基因组序列，UCSD继续运营。

任何标准微生物组的分析都是一项数据密集型任务，这与COVID-19没有什么不同，它每天的数据量高达10TB，并且需要昂贵的操作(例如比对)，而病毒基因组分析本身可能需要数天时间处理基因组数据需要花费数月的时间。合作研究的很大一部分重点是开发使用高清计算与加速器相结合的新方法来克服内存瓶颈。

研究小组发现，高清计算将基因组序列跟踪过程从几天缩短到几小时，这在大流行期间被证明至关重要。他们利用高清计算来代表人类或病毒的基因，从而将COVID-19废水监测中的DNA测序速度加快了200倍，因为他们可以并行比较这些模式，最终帮助UCSD通过检测85%来预防疫情爆发早期病例。

它可能仍处于起步阶段，但高清计算为我们带来了巨大的潜力。从彻底改变人工智能的创建方式到确保个性化药物发现——高清计算可以走在帮助我们解决所面临的一些最艰巨挑战的最前沿。