Mürəkkəb əlaqələri oxumaq və nəhəng statistikaları saniyələr içində emal etmək artıq daha real görünür. POSTECH alimləri məlumat analizində sürəti kəskin artıran TurboLynx adlı yeni mühərrik hazırlayıblar.
Bu sistem xüsusilə bir-biri ilə sıx bağlı olan böyük data şəbəkələrini analiz etmək üçün nəzərdə tutulub. Yəni sosial şəbəkələr, tövsiyə sistemləri, elmi verilənlər və süni intellekt modellərindəki əlaqələr daha tez “anlaşıla” bilər.
TurboLynx nəyi dəyişir?
TurboLynx POSTECH-in Computer Science and Engineering departamentindən professor Wook-Shin Hanın rəhbərlik etdiyi komanda tərəfindən hazırlanıb. Layihədə Graduate School of Artificial Intelligence-dan Ph.D. namizədləri Taesung Lee və Jaehyun Ha da iştirak ediblər.
Yeni mühərrikin əsas gücü mürəkkəb və yüksək dərəcədə əlaqəli məlumatları daha sürətli analiz etməsindədir. Belə data növləri adi sistemlər üçün çox vaxt ağır və vaxt aparan hesab olunur.
TurboLynx mövcud sistemlərlə müqayisədə mürəkkəb data analizini 184 dəfəyə qədər daha sürətli yerinə yetirə bilir.
Niyə bu sürət vacibdir?
Bugünkü rəqəmsal dünyada data sadəcə rəqəmlərdən ibarət deyil. İnsanlar, məhsullar, əməliyyatlar, cihazlar və alqoritmlər arasında milyonlarla əlaqə var.
Bu əlaqələri tez analiz etmək şirkətlərə daha ağıllı tövsiyələr verməyə, təhlükəsizlik risklərini daha tez aşkar etməyə və elmi araşdırmaları sürətləndirməyə kömək edə bilər. Xüsusilə AI və böyük data sahəsində belə performans fərqi ciddi üstünlük yaradır.
POSTECH komandası hansı problemi hədəfləyib?
Ənənəvi analiz sistemləri sadə cədvəllərdə yaxşı işləyə bilər, amma data şəbəkə formasına düşəndə iş çətinləşir. TurboLynx məhz bu tip “qarışıq münasibətləri” daha effektiv emal etmək üçün hazırlanıb.
Bu yanaşma gələcəkdə böyük məlumat bazaları, qraf analizləri və süni intellekt tətbiqləri üçün daha çevik infrastruktur yarada bilər. Hələlik açıqlanan əsas nəticə isə kifayət qədər təsirlidir: daha az gözləmə, daha çox analiz.
Nəticə: TurboLynx göstərir ki, böyük datanın gələcəyi təkcə daha çox məlumat toplamaqda deyil, həmin məlumatlar arasındakı əlaqələri daha ağıllı və daha sürətli oxumaqdadır.