学習された静的関数データ構造

この研究では、静的なキーセットとそれに関連する値を関連付けるデータ構造の構築について考察しています。従来のハッシュテーブルと異なり、静的関数データ構造はキーセットを保存する必要がないため、メモリの使用量が大幅に減少します。本論文では、機械学習を用いてキーと値の相関を捉える「学習された静的関数」を提案します。各キーに対して、モデルは値の確率分布を予測し、真の値をコンパクトに符号化するためのキー固有のプレフィックスコードを導出します。この設計により、学習された静的関数はゼロオーダーエントロピーの障壁を突破し、ポイントクエリをサポートします。実験により、実データに対しては最大で1桁、合成データに対しては最大で3桁の大幅な空間節約が確認されました。