論文の概要: Beyond LLMs, Sparse Distributed Memory, and Neuromorphics

• arxiv url: http://arxiv.org/abs/2604.11665v2
• Date: Wed, 15 Apr 2026 06:10:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-16 13:09:57.445971
• Title: Beyond LLMs, Sparse Distributed Memory, and Neuromorphics <A Hyper-Dimensional SRAM-CAM "VaCoAl" for Ultra-High Speed, Ultra-Low Power, and Low Cost>
• Title（参考訳）: 超高速・超低消費電力・低コストの超次元SRAM-CAM「VaCoAl」
• Abstract要約: 本稿ではガロア場代数に基づく決定論的超次元計算アーキテクチャの予期せぬ発見を報告する。 本稿では,超高次元メモリと決定論的論理を組み合わせたVaCoAlとそのPython実装PyVaCoAlを提案する。
• 参考スコア（独自算出の注目度）: 18.56157183294801
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper reports an unexpected finding: in a deterministic hyperdimensional computing (HDC) architecture based on Galois-field algebra, a path-dependent semantic selection mechanism emerges, equivalent to spike-timing-dependent plasticity (STDP), with magnitude predictable a priori by a closed-form expression matching large-scale measurements. This addresses limitations of modern AI including catastrophic forgetting, learning stagnation, and the Binding Problem at an algebraic level. We propose VaCoAl (Vague Coincident Algorithm) and its Python implementation PyVaCoAl, combining ultra-high-dimensional memory with deterministic logic. Rooted in Sparse Distributed Memory, it resolves orthogonalisation and retrieval in high-dimensional binary spaces via Galois-field diffusion, enabling low-load deployment. VaCoAl is a memory-centric architecture prioritising retrieval and association, enabling reversible composition while preserving element independence and supporting compositional generalisation with a transparent reliability metric (CR score). We evaluated multi-hop reasoning on about 470k mentor-student relations from Wikidata, tracing up to 57 generations (over 25.5M paths). Using HDC bundling and unbinding with CR-based denoising, we quantify concept propagation over DAGs. Results show a reinterpretation of the Newton-Leibniz dispute and a phase transition from sparse convergence to a post-Leibniz "superhighway", from which structural indicators emerge supporting a Kuhnian paradigm shift. Collision-tolerance mechanisms further induce path-based pruning that favors direct paths, yielding emergent semantic selection equivalent to STDP. VaCoAl thus defines a third paradigm, HDC-AI, complementing LLMs with reversible multi-hop reasoning.
• Abstract（参考訳）: 本稿では,Galois-field algebraに基づく決定論的超次元計算(HDC)アーキテクチャにおいて,大規模測定に適合したクローズドフォーム式による事前予測が可能な経路依存セマンティックセレクション機構が出現する,という予期せぬ発見を報告する。 これは、破滅的な忘れ、学習停滞、代数レベルでのバインディング問題など、現代のAIの限界に対処する。 本稿では,Vague Coincident Algorithm(Vague Coincident Algorithm)とそのPython実装であるPyVaCoAlを提案する。 スパース分散メモリで回転することで、ガロア場拡散による高次元バイナリ空間の直交化と検索を解消し、低負荷展開を可能にする。 VaCoAlは、検索とアソシエーションを優先したメモリ中心アーキテクチャであり、要素独立性を維持しながら可逆的な合成を可能にし、透過的な信頼性基準(CRスコア)で構成の一般化をサポートする。 ウィキデータから約470万のメンター-学生関係についてマルチホップ推論を評価し,57世代(255万パス以上)まで追跡した。 CRをベースとしたデノナイジングとHDC結合とアンバインドすることで,DAG上の概念伝搬を定量化する。 結果はニュートン・ライプニッツ紛争の再解釈とスパース収束からポストライプニッツ「スーパーハイウェイ」への相転移を示し、そこからクーンのパラダイムシフトを支持する構造指標が現れる。 衝突耐性機構はさらに、直接経路を好む経路ベースのプルーニングを誘導し、STDPと同等の創発的意味選択をもたらす。 VaCoAlは第3のパラダイムであるHDC-AIを定義し、LLMを可逆的なマルチホップ推論で補完する。

関連論文リスト

• MambaADv2: Evolving Duality-enhanced State Space Model for Unsupervised Anomaly Detection [108.36437360254605]
  本稿では,マルチクラス非教師付き異常検出に適したフレームワークであるMambaADv2を提案する。 MambaADv2は、事前訓練されたエンコーダと、複数のスケールにわたるDuality-enhanced State Space (DSS)モジュールを備えたMambaインスパイアされたデコーダで構成される。 HSS(Hybrid State Space)ブロックの構造は、SSDベースのMambaラインに従って調整され、Mamba3スタイルの位置認識状態空間モデリングが組み込まれている。
  論文  参考訳（メタデータ） (2026-06-22T10:14:06Z)
• Closed-Form Spectral Regularization for Multi-Task Model Merging [96.82449201305234]
  モデルマージは、個別に調整された複数の専門家をトレーニングデータなしで単一のマルチタスクモデルに結合する。 State-of-the-art merging method formulate merging as a layer-wise interference problem。 本稿では,逐次降下の勾配-流路に一致するソフト指数フィルタを組み合わせた閉形式手法SWUDIを提案する。
  論文  参考訳（メタデータ） (2026-06-05T14:00:47Z)
• Beyond the Aggregation Dilemma: Prior-Retaining Decoupled Learning for Multimodal Graphs [69.56407708794845]
  MultimodalAttributed Graph Learning (MAGL)はグラフアグリゲーションを通じてノード属性と構造トポロジーを統合する。 事前訓練されたエンコーダがLarge Foundation Models (LFM) へと進化するにつれて、MAGLのランドスケープは根本的に変化していく。 高信頼のLFM先行の下では、強制集約は、識別シグナルを圧倒するトポロジカル固有のノイズを導入する。 本稿では、分離されたデュアルパスパラダイムであるSUPRA(Shared-Unique Prior-Retaining Architecture)を提案する。 SUPRAは、トポロジ・アグノシクスによるモーダリティ特異的な特徴を処理し、軽量共有GNNを介して構造相乗効果を捉え、補助的な深層監視対策の勾配飢餓を発生させる。
  論文  参考訳（メタデータ） (2026-05-23T17:42:25Z)
• Bridging Silicon and the Hippocampus: Algebro-Deterministic Memory "VaCoAl" as a Substrate for Vector-HaSH and TEM [18.56157183294801]
  本稿では,ガロアフィールド線形フィードバックシフトレジスタ上に構築されたアルゲブロ決定論的超次元メモリアーキテクチャであるVaCoAlを紹介する。 その決定論的ガロア場拡散は、ベクター・ハッシュのランダム射影に対する基質レベルの代替を提供する。 実験可能なiEEG予測を導き、計算神経科学、電気生理学、超次元計算を統一する。
  論文  参考訳（メタデータ） (2026-05-15T06:13:58Z)
• Hyperbolic Enhanced Representation Learning for Incomplete Multi-view Clustering [57.38215918201251]
  本稿では,不完全なマルチビュークラスタリングのためのハイパーボリック拡張表現学習フレームワークであるHERLを提案する。 ポアンカレボール内で操作すると、HERLは表現学習を強化するために構造を意識した潜在空間を構築する。 HERLは最先端のアプローチよりも一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2026-04-18T10:50:46Z)
• JPmHC Dynamical Isometry via Orthogonal Hyper-Connections [2.4311915994390403]
  JPmHCは、n個の並列ストリームに作用するトレーニング可能な線形ミキサーでIDスキップを置き換えるフレームワークである。 緩やかな病理を予防し、安定性を高める。 両眼的ベースラインに比べて、より高速な収束、高い精度、計算コストの低減を実現している。
  論文  参考訳（メタデータ） (2026-02-20T16:06:01Z)
• RaBiT: Residual-Aware Binarization Training for Accurate and Efficient LLMs [5.782015253162346]
  残留バイナライゼーションは、バイナリ層を積み重ねることで、マットルフリーな推論を可能にする。 本稿では,残差階層をアルゴリズム的に強制することでコダプタ化を解決する新しい量子化フレームワークであるRaBiTを提案する。 RaBiTは最先端のパフォーマンスを実現し、ハードウェア集約型ベクトル量子化(VQ)の手法と競合する。
  論文  参考訳（メタデータ） (2026-02-05T06:41:11Z)
• Scalable Analytic Classifiers with Associative Drift Compensation for Class-Incremental Learning of Vision Transformers [26.771319566121708]
  視覚変換器(ViT)を用いたクラスインクリメンタルラーニングは、再建フェーズにおいて大きな計算ボトルネックに直面している。 正規化ガウス判別分析(RGDA)は、SGDベースの分類器に匹敵する精度でベイズ最適化の代替手段を提供する。 本稿ではRGDAの表現性と線形分類器の効率性を組み合わせたスケーラブルな分類器であるRGDA(LR-RGDA)を提案する。
  論文  参考訳（メタデータ） (2026-01-29T06:42:20Z)
• SYNAPSE: Empowering LLM Agents with Episodic-Semantic Memory via Spreading Activation [29.545442480332515]
  プリコンパイルされたリンクではなく静的を超越する統一メモリアーキテクチャであるSynapseを紹介する。 この結果から,Synapseは時間的およびマルチホップの複雑な推論タスクにおいて,最先端の手法を著しく上回ることがわかった。 私たちのコードとデータは受け入れ次第公開されます。
  論文  参考訳（メタデータ） (2026-01-06T06:19:58Z)
• Warp-Cortex: An Asynchronous, Memory-Efficient Architecture for Million-Agent Cognitive Scaling on Consumer Hardware [0.0]
  Warp Cortexは、理論的には百万単位の認知スケーリングを可能にする非同期アーキテクチャである。 計算遅延がボトルネックになる前に、100個の並行エージェントを2.2GBの全VRAMで実証し、理論的能力は1,000個を超えることを示した。 さらに,非侵入的KV-cache更新機構であるReferential Injectionを導入する。
  論文  参考訳（メタデータ） (2026-01-03T23:11:21Z)
• Wave-Based Semantic Memory with Resonance-Based Retrieval: A Phase-Aware Alternative to Vector Embedding Stores [51.56484100374058]
  本稿では,波動パターン$psi(x) = A(x) eiphi(x)$として知識をモデル化し,共振に基づく干渉によってそれを検索する新しいフレームワークを提案する。 このアプローチは振幅情報と位相情報の両方を保存し、より表現的かつ堅牢な意味的類似性を実現する。
  論文  参考訳（メタデータ） (2025-08-21T10:13:24Z)
• Beyond Turing: Memory-Amortized Inference as a Foundation for Cognitive Computation [5.234742752529437]
  本稿では,メモリの潜時サイクル上での認識を推論としてモデル化する形式的フレームワークとして,メモリ記憶推論(MAI)を紹介した。 我々は,MAIがMountcastleのUniversal Cortical Algorithmの基本的な基盤を提供することを示す。 人工知能の実現にMAIが与える深い影響について,簡潔に論じる。
  論文  参考訳（メタデータ） (2025-08-19T15:10:26Z)
• Nested Stochastic Algorithm for Generalized Sinkhorn distance-Regularized Distributionally Robust Optimization [4.989068568135242]
  分散ロバストシフト最適化(DRO)は、データ分散に対するロバストモデルのための強力な手法である。 本稿では、一般化近似関数によって不確実性をモデル化した正規化非DRO問題の解決を目的とする。
  論文  参考訳（メタデータ） (2025-03-29T01:01:02Z)
• Rao-Blackwell Gradient Estimators for Equivariant Denoising Diffusion [55.95767828747407]
  分子やタンパク質の生成のようなドメインでは、物理系はモデルにとって重要な固有の対称性を示す。 学習のばらつきを低減し、確率的に低い分散勾配推定器を提供するフレームワークを提案する。 また,軌道拡散法(Orbit Diffusion)と呼ばれる手法を用いて,損失とサンプリングの手順を取り入れた推定器の実用的実装を提案する。
  論文  参考訳（メタデータ） (2025-02-14T03:26:57Z)
• SHERL: Synthesizing High Accuracy and Efficient Memory for Resource-Limited Transfer Learning [63.93193829913252]
  本稿では,リソース制限シナリオに対するSHERLと呼ばれる革新的なMETL戦略を提案する。 初期経路では、中間出力は反冗長動作によって統合される。 遅延ルートでは、最小限の遅延事前トレーニングされたレイヤを利用することで、メモリオーバーヘッドのピーク需要を軽減できる。
  論文  参考訳（メタデータ） (2024-07-10T10:22:35Z)
• Decomposed Diffusion Sampler for Accelerating Large-Scale Inverse Problems [64.29491112653905]
  本稿では, 拡散サンプリング法とクリロフ部分空間法を相乗的に組み合わせた, 新規で効率的な拡散サンプリング手法を提案する。 具体的には、ツイーディの公式による分母化標本における接空間がクリロフ部分空間を成すならば、その分母化データによるCGは、接空間におけるデータの整合性更新を確実に維持する。 提案手法は,従来の最先端手法よりも80倍以上高速な推論時間を実現する。
  論文  参考訳（メタデータ） (2023-03-10T07:42:49Z)
• Efficient semidefinite bounds for multi-label discrete graphical models [6.226454551201676]
  このようなモデルにおける主要なクエリの1つは、Posteri(MAP)ネットワークのコストに関するSDPWCSP関数を特定することである。 従来の二重化制約手法と,行ごとの更新に基づく専用SDP/Monteiroスタイルの手法を検討する。
  論文  参考訳（メタデータ） (2021-11-24T13:38:34Z)
• DyCo3D: Robust Instance Segmentation of 3D Point Clouds through Dynamic Convolution [136.7261709896713]
  本稿では,インスタンスの性質に応じて適切な畳み込みカーネルを生成するデータ駆動型アプローチを提案する。 提案手法はScanetNetV2とS3DISの両方で有望な結果が得られる。 また、現在の最先端よりも推論速度を25%以上向上させる。
  論文  参考訳（メタデータ） (2020-11-26T14:56:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。