Badacze zaproponowali wydajną kwantowo metodę do rozkładu hiperwektorów w obliczeniach hiperwymiarowych, zmniejszając liczbę wymaganych kubitów z O(D) do O(log D) dzięki logarytmicznym kodowaniom hiperwektorów. Konwencjonalne podejścia reprezentują hiperwektory o wymiarze D przy użyciu D kubitów, co staje się nieznośnie kosztowne dla dużych wymiarów. Nowa rama wprowadza również odwracalny operator wyszukiwania hiperwektorów umożliwiający efektywne manipulowanie gęstymi hiperwektorami na poziomie obwodu.
Wcześniejsze prace pokazały, że algorytmy kwantowe mogą przeszukiwać N^F możliwych kombinacji składowych hiperwektorów z przewagą przyspieszenia O(sqrt(N^F)) zamiast O(N^F) - ale wymagały bardzo wielu kubitów. Autorzy połączyli logarytmiczne kodowanie z zmodyfikowaną procedurą wyszukiwania Dürra-Høyera, zachowując kwantową przewagę przyspieszenia jednocześnie drastycznie zmniejszając zasoby sprzętowe. Eksperymenty potwierdzają poprawne obliczanie podobieństwa i dokładną dekompozycję, osiągając do 2000 razy mniej kubitów w porównaniu z jawnym kodowaniem.
To przełom dla praktycznego zastosowania algorytmów kwantowych, bo robi z nich narzędzia bliższe realizacji na obecnym sprzęcie. Hiperdimensional Computing znajduje zastosowanie w przetwarzaniu języka naturalnego i klasyfikacji danych - zmniejszenie kosztów sprzętowego może uczynić te aplikacje osiągalne nawet na bliskiej przyszłości, nienadal ograniczonych kvantowych urządzeniach, zanim pojawią się w pełni błędomijące maszyny.