Naukowcy zaprezentowali nową teorię kodowanego obliczania, która przezwycięża ograniczenia istniejących schematów projektu głównie dla ścisłego odtwarzania wysoce ustrukturyzowanych obliczeń. Zamiast tego, General Coded Computing (GCC) formułuje problem poprzez naturalną stratę błędu średniokwadratowego, która bezpośrednio mierzy rozbieżność między pożądanymi obliczeniami a odzyskanymi szacunkami.
Kodowane obliczanie powstało jako silny paradygmat do zmniejszania wpływu stragglerów - pracowników, którzy przetwarzają dane wolniej niż inni - w rozproszonych systemach. Dotychczasowe podejścia wymagały sztywnych progów odtwarzania i były dostosowane do konkretnych zadań, takich jak ewaluacja wielomianów czy mnożenie macierzy. Jednak nowoczesne obciążenia w uczeniu maszynowym, szczególnie głębokie sieci neuronowe, posiadają luźniejszą strukturę algebraiczną i często wymagają tylko dokładnych przybliżeń zamiast dokładnego odtwarzania.
Nowe podejście umożliwia reprezentację koderów i dekoderów jako kombinacji liniowych funkcji kernelowych w reprodukującej przestrzeni Hilberta z łagodnymi ograniczeniami gładkości. Ta reprezentacja pozwala na efektywne obliczenie odpowiednich współczynników. Framework otwarty jest dla teoretycznej analizy wydajności i przeniesienia kodowanego obliczania z obszaru algebraicznego do aplikacji uczenia maszynowego, gdzie przybliżenia są akceptowalne i pożądane.