محقق ایرانی وهاب میررکنی چگونه نفرین دادههای پُربُعد را شکست
دکتر وهاب میررکنی، پژوهشگر ایرانی و دانشآموخته دانشگاه صنعتی شریف و موسسه فناوری ماساچوست (MIT) که اکنون در گوگل به سر میبرد، با تعمیم الگوریتم «هش حساس به مجاورت» (LSH) بر پایه توزیعهای پایدار، راهکاری کلیدی برای جستوجوی سریع دادههای مشابه در ابعاد بسیار بالا ارائه کرد. این دستاورد که در سال ۲۰۲۵ باعث انتخاب او برای جایزه مصطفی(ص) شد، چالش «نفرین ابعاد بالا» را حل میکند؛ پدیدهای که در آن دادههای واقعی (مانند تصاویر، متون و توالیهای ژنتیکی) در فضاهای صدها تا میلیونها بُعدی پراکنده شده و مفهوم شباهت بین آنها از بین میرود.
از ایده LSH تا تعمیم نوآورانه
ایده اصلی LSH در سال ۱۹۹۸ مطرح شد: به جای مقایسه مستقیم میلیونها داده، آنها را با توابع هش به دستههای سادهتر تقسیم کنید تا جستوجو در زیرمجموعههای کوچکتر انجام شود. اما نسخههای اولیه تنها برای مترهای اقلیدسی و منهتن کارایی داشتند و بر توزیع نرمال محدود بودند. میررکنی و همکارانش در ۲۰۰۴ با استفاده از توزیعهای پایدار، این محدودیت را برداشتند و سیستمی ساختند که با تقریباً هر نوع داده و معیار فاصلهای سازگار است، توابع هش نادر را نیز به کار میگیرد و شباهت دادهها را در فضای جدید حفظ میکند.
تأثیر و کاربرد
روش جدید تا ۴۰ برابر سریعتر از روشهای سنتی عمل میکند و سرعت جستوجو را از وابستگی به تعداد ابعاد داده مستقل میسازد. این پیشرفت پایهای برای کاربردهای گسترده در پردازش تصویر، پردازش زبان طبیعی، ژنتیک، سیستمهای پیشنهاددهنده و بازیابی اطلاعات کلانداده فراهم آورد.