5 января 2026 года на arXiv.org опубликована работа, представляющая hdlib 2.0 — крупное обновление открытой Python-библиотеки для работы с векторно-символьными архитектурами. Авторы — Фабио Кумбо, Кабир Дхиллон и Даниэль Бланкенберг — значительно расширили машинное обучение в рамках парадигмы гипермерных вычислений.
Обновление включает четыре ключевых расширения. Улучшена существующая модель для классификации, добавлена возможность отбора признаков. Представлены три новые модели: регрессии для предсказания непрерывных величин, кластеризации для обучения без учителя и модель на основе графов. Главной инновацией стала первая в истории реализация квантовых гипермерных вычислений с квантовыми арифметическими операциями и новая квантовая модель машинного обучения для обучения с учителем.
Векторно-символьные архитектуры, или гипермерные вычисления, — это парадигма, представляющая информацию в виде высокоразмерных векторов. Первая версия hdlib заложила основу для их создания. Новая версия отвечает на запрос сообщества на более сложное, основанное на данных моделирование в этой области, приближая VSA к практическому применению в реальных ML-задачах.
Библиотека остаётся открытой под лицензией MIT. Она доступна на GitHub, через pip (pip install hdlib) и Conda (conda install -c conda-forge hdlib). Документация и примеры использования новых функций опубликованы на официальной Wiki-странице проекта.
