PFCS：基于素数分解的缓存系统用于确定性数据关系发现
机器学习
2025-07-08 v1 计算机视觉与模式识别
摘要
缓存系统在现代计算中起到根本性限制，因其无法精确捕获数据关系。虽然实现 85-92% 的命中率，传统系统依赖统计启发式方法，无法保证关系发现，导致预取次优和资源浪费。我们提出 PFCS (素数分解缓存系统)，利用素数分解的数学唯一性实现零误报的确定性关系发现。PFCS 为数据元素分配唯一素数，并将关系表示为复合数，通过分解恢复完美关系。全面评估显示，该系统在数据库、机器学习和高性能计算工作负载中平均提升 6.2 倍，实现 98.9% 的命中率，比最先进系统降低 38% 的功耗。数学基础提供了不可被近似方法实现的形式保证，为缓存系统设计树立了新范式。
引用
@article{arxiv.2507.03917,
title = {Consistency-Aware Padding for Incomplete Multi-Modal Alignment Clustering Based on Self-Repellent Greedy Anchor Search},
author = {Shubin Ma and Liang Zhao and Mingdong Lu and Yifan Guo and Bo Xu},
journal= {arXiv preprint arXiv:2507.03917},
year = {2025}
}
备注
Accepted at IJCAI 2025. 9 pages, 3 figures