近似最近傍探索

サインイン

インサイト - 近似最近傍探索

本稿では、高次元データにおける近似最近傍探索（ANN）問題に対し、高い精度と効率性を両立させた新しいフレームワーク「部分空間衝突（SC）」を提案しています。

SymphonyQGは、量子化とグラフベースのインデックスをより調和的に統合することで、近似最近傍探索（ANN）の精度と効率のトレードオフを向上させる新しいアルゴリズムである。

高次元データにおける近似最近傍探索（AKNN）の効率性を向上させるため、データ分布に基づいた新しい距離計算法と多段階距離補正フレームワークを提案する。

本稿では、クラスタリングベースの近似最近傍探索（ANN）のクエリレイテンシを改善する、教師あり学習に基づく新しいスコア計算手法を提案する。この手法は、クエリポイントとクラスタポイント間の非類似度の推定を多変量（複数出力）回帰問題として捉え、縮小ランク回帰を用いて効率的に解を近似する。

DRIM-ANNは、従来のCPUやGPUの限界を超えて、大規模データセットに対する高速かつエネルギー効率の高い近似最近傍探索（ANNS）を実現する、商用DRAM-PIMアーキテクチャを活用した革新的なANNSエンジンである。

会社概要

プロダクト

リソース