Naukowcy zaprezentowali SSAKG 2.0 - pakiet open-source do budowania Strukturalnych Sekwencyjnych Grafów Wiedzy, które funkcjonują jak pamięć asocjacyjna zdolna do rekonstrukcji kompletnych sekwencji z fragmentarycznego kontekstu. W systemie obiekty są reprezentowane jako wierzchołki grafu, a sekwencje jako strukturalne wzorce połączeń między nimi.
Wersja 2.0 wprowadza znaczący postęp techniczny - nowe algorytmy, które operują na poziomie poszczególnych bitów komputera, umożliwiając znacznie bardziej efektywne przeszukiwanie struktury grafu. Implementacja łączy Python ze zoptymalizowanym kodem w C dla operacji wymagających dużej mocy obliczeniowej, co zapewnia zarówno elastyczność programowania wysokopoziomowego, jak i znaczne zmniejszenie zużycia pamięci i mocy obliczeniowej przy obsłudze dużych rzadkich grafów.
Aurorzy przetestowali system na trzech typach danych: losowych sekwencjach numerycznych, sekwencjach pochodzących ze zdań w korpusie NLTK oraz sekwencjach mRNA. Eksperymenty wykazały zdolność pakietu do efektywnego przechowywania i rekonstrukcji sekwencji z utraty kontekstu, jednocześnie pozwalając ocenić wpływ gęstości grafu, długości sekwencji i rozmiaru pamięci na wydajność wyszukiwania. SSAKG 2.0 jest rozpowszechniany na licencji Apache 2.0 z dokumentacją i reprodukowalnymi przykładami na GitHub i PyPI.