Google Research เปิดตัว TurboQuant อัลกอริทึมบีบอัดเวกเตอร์ ลดขนาดข้อมูล
โดย
Google Research เผยแพร่งานวิจัย TurboQuant อัลกอริทึมบีบอัดข้อมูลที่ออกแบบมาเฉพาะสำหรับการรับส่งข้อมูลในการประมวลผล AI โดยลดขนาดของเวกเตอร์ (Vector) ซึ่งเป็นหน่วยพื้นฐานที่โมเดลใช้ในการเชื่อมโยงข้อมูล โดยไม่สูญเสียความแม่นยำและ ประสิทธิภาพ
- ★ปัญหาเดิม
- เวกเตอร์มีขนาดใหญ่ โดยเฉพาะกับข้อมูลซับซ้อน เช่น รูปภาพ
- การทำแคชเวกเตอร์ใช้หน่วยความจำสูง
- การลดขนาดข้อมูลมักแลกกับความแม่นยำ
- ★การทำงานของ TurboQuant
1) PolarQuant
- เปลี่ยนวิธีการระบุตำแหน่งข้อมูลจากระบบบล็อก เป็นระบบรัศมี และ มุม (Polar Coordinates)
- ช่วยลดพื้นที่จัดเก็บข้อมูลตามลักษณะของเวกเตอร์
2) Quantized Johnson-Lindenstrauss (QJL)
- ใช้เป็นตัวตรวจสอบเพื่อลดความผิดพลาด (error) ของ PolarQuant
- ใช้ข้อมูลเพียง 1 บิตในการตรวจสอบ
- ★เป้าหมาย
- ลดขนาดข้อมูลเวกเตอร์สำหรับการประมวลผล AI
- ใช้ในงานรับส่งข้อมูลระหว่างการประมวลผล
- รักษาความแม่นยำ และ ประสิทธิภาพโดยรวม
✏️ Shoper Gamer
Credit :
👇
- ●https://www.blognone.com/node/150137
- 1
โฆษณา
- ดาวน์โหลดแอปพลิเคชัน
- © 2026 Blockdit
