في عالم تكنولوجيا المعلومات والبيانات الكبيرة، تظهر الحاجة إلى تحسين عمليات البحث عن الجيران الأقرب (Approximate Nearest-Neighbor Search) في التغلب على التحديات المرتبطة بالتحقق من المرشحين في هذه العمليات. في هذا السياق، أطلق الباحثون تقنية "بانوراما" (PANORAMA) الجديدة التي تعد بمثابة خطوة ثورية في هذا المجال.

تعمل تقنية بانوراما على تسريع عملية التحقق من خلال الاستفادة من التآكل الطيفي الداخلي لهذه التضمينات، مما يسمح بتقليل زمن الاستعلام بشكل كبير. تعتمد التقنية على استخدام تحليل المكونات الرئيسية (PCA) لتكثيف طاقة الإشارة، مما يمكنها من تقييم المسافات بين المرشحين بشكل تدريجي. يتم حساب حد أدنى دقيق على المسافة الكاملة لكل خطوة، مما يتيح إزالة المرشحين عندما تتجاوز هذه القيمة مسافة الجار الأقرب خلال عملية البحث.

تكمن قوة بانوراما أيضاً في قدرتها على التوافق مع فهارس البيانات الكمية. وعلى الرغم من أن تركيز التباين من PCA قد يكسر الفرضية الموحدة للتباين المطلوبة للتكميم (Product Quantization)، إلا أن تقنية إعادة توزيع الطاقة عبر المكونات الفرعية تقدم حلاً مبتكرًا.

علاوة على ذلك، تم تعديل تقنية بانوراما لتكون متوافقة مع الهياكل الحديثة للذاكرة من خلال تقنيات مثل التصفية الضخمة المدعومة بالمتجهات وتخطيطات البيانات الموجهة للذاكرة. هذا التقديم المبتكر ليس مجرد ثورة في الأداء، بل أدمجت تقنية بانوراما في مكتبة FAISS الشهيرة، مما يجعلها متاحة عبر مجموعة من الفهارس الرئيسية مثل IVFPQ/Flat وHNSW وRefine.

تظهر النتائج أن بانوراما تحقق زيادة في السرعة (QPS) في أي استدعاء مستهدف، مما يدل على أن تكلفة الأداء تتناقص بشكل برهاني مع تآكل بيانات المجموعة، حيث حققت تسريعاً يصل إلى 28.9 مرة مقارنة بالطرق التقليدية.