Высокоэффективный тенсор для разработки витерби-алгоритма для скрытых полумарковых моделей

arXiv:2609.16500v1 Annualce Type: New Brieflow: Hidden Semico-Markova Models (HSMM) являются фундаментальными вероятностными моделями, широко применяемыми в различных областях — от вычислительной биологии до финансовой обработки и обработки сигналов. Алгоритм Витерби декодирует наиболее вероятный последовательность состояния при HSMM и может применяться в порядке итеративного применения для обучения ab initio. Вместе с тем существующие системы Витерби по-прежнему осуществляются последовательно, и решения, ускоренные ГПС, полностью отсутствуют, что делает декодирование HSMM практически нецелесообразным для крупномасштабных работ. Мы представляем на основе тензора алгоритм Витерби для HSMM, реструктуризируя внутренние петли в tensor операции, которые естественным образом картируют на единицы SIMD и массивно параллельные архитектуры. Опираясь на эту формулировку, мы обеспечиваем оптимизацию внедрения с охватом одно- и многокомпонентных процессов и впервые ГПС. Экспериментальная оценка показывает ускорение до 14 x на одном ядре, более 200x с многокорным и свыше 570x по GPU над stat