| name | hyperdimensional-stdp-computing |
| description | Hyperdimensional computing with STDP equivalence methodology. Path-dependent semantic selection mechanism emerges equivalent to spike-timing-dependent plasticity in Galois-field based HDC. 激活词: hyperdimensional computing, HDC STDP, sparse distributed memory, VaCoAl, 高维计算 |
| version | v1.0.0 |
| last_updated | 2026-04-14T00:00:00.000Z |
| paper_arxiv | 2604.11665v1 |
| paper_title | Beyond LLMs, Sparse Distributed Memory, and Neuromorphics: A Hyper-Dimensional SRAM-CAM 'VaCoAl' |
| paper_authors | Hiroyuki Chuma, Kanji Otsuka, Yoichi Sato |
| paper_url | https://arxiv.org/pdf/2604.11665v1 |
| published_date | 2026-04-13T00:00:00.000Z |
| category | cs.NE |
高维计算与STDP等价性方法论
基于Galois域代数的高维计算架构，其中路径依赖的语义选择机制涌现为脉冲时序依赖可塑性(STDP)的等价形式。
论文信息
- 标题: Beyond LLMs, Sparse Distributed Memory, and Neuromorphics: A Hyper-Dimensional SRAM-CAM "VaCoAl"
- 作者: Hiroyuki Chuma, Kanji Otsuka, Yoichi Sato
- arXiv: 2604.11665v1
- 发表日期: 2026-04-13
- 类别: cs.NE (Neural and Evolutionary Computing)
核心方法
Deterministic HDC with Galois-field algebra producing STDP-equivalent learning（基于Galois域代数的确定性高维计算产生STDP等价学习）
核心发现
论文报告了一个意外发现：在基于Galois域代数的确定性高维计算(HDC)架构中，涌现出一种路径依赖的语义选择机制，等价于脉冲时序依赖可塑性(STDP)，其幅度可通过先验闭合形式表达式预测，并与大规模测量结果匹配。
适用场景
- 超维计算(HDC)系统实现
- 稀疏分布记忆(SDM)
- 神经形态计算架构
- 联想记忆与学习系统
- 解决灾难性遗忘问题
- 绑定问题(Binding Problem)的代数解决方案
技术关键词
中文: 高维计算, 脉冲时序依赖可塑性, 稀疏分布记忆, Galois域, VaCoAl算法, 语义选择, 路径依赖
English: hyperdimensional computing, HDC, STDP, sparse distributed memory, Galois field, VaCoAl, semantic selection
激活词 (Activation Keywords)
- hyperdimensional computing
- HDC STDP
- sparse distributed memory
- VaCoAl
- 高维计算
- Galois field computing
- semantic selection mechanism
- 稀疏分布记忆
工作流程
- Encode data as high-dimensional binary vectors using Galois-field algebra（使用Galois域代数将数据编码为高维二进制向量）
- Implement path-dependent semantic selection mechanism（实现路径依赖的语义选择机制）
- Apply vague coincident algorithm (VaCoAl) for pattern matching（应用模糊巧合算法(VaCoAl)进行模式匹配）
- Leverage emergent STDP-equivalent dynamics for learning（利用涌现的STDP等效动力学进行学习）
- Use closed-form expressions for magnitude prediction（使用闭合形式表达式进行幅度预测）
核心创新
VaCoAl算法
- Vague Coincident Algorithm（模糊巧合算法）
- 结合了超维计算的代数特性与神经形态计算的学习能力
- 提供Python实现：PyVaCoAl
STDP等效机制
- 确定性系统中涌现的类STDP行为
- 幅度可通过闭合形式表达式先验预测
- 连接了符号计算与神经计算范式
解决的问题
- 灾难性遗忘: 通过高维表示实现持续学习
- 学习停滞: 路径依赖机制促进持续适应
- 绑定问题: 在代数层面解决符号绑定
