权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

光リザーバコンピューティングに基づく機械学習の計算能力の解明

阐明基于光储器计算的机器学习的计算能力

基本信息

批准号：
21F21375
负责人：
成瀬誠
金额：
$ 1.41万
依托单位：
The University of Tokyo
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2021
资助国家：
日本
起止时间：
2021-11-18 至 2024-03-31
项目状态：
已结题

项目摘要

光リザーバコンピューティングは、光の物理過程そのものを複雑な相互作用を含んだ計算リソース（リザーバ）と見なし、リザーバと観測系の結合部のみを学習の対象とする計算原理であり、簡易な構成でありながら高度な機能を発揮する機械学習手法として近年注目されている。特に、光の高速性を生かした時系列予測などの応用で顕著な効果が示されている。しかし、従来研究におけるリザーバは、単一の光ファイバーを用いた単純な光遅延に基づいている。本来、光を用いたリザーバにはより一般的で普遍性の高い構造を想定できる。本研究は光リザーバコンピューティングに基づく機械学習の計算能力の解明を目的とし、具体的には、当該特別研究員Roehm博士が世界に先駆けて切り拓いた、複数の光遅延を組み合わせた新たなリザーバの極限性能の解明を目指す。さらに、光リザーバコンピューティングの目標機能として従来の時系列予測だけでなくデータの生成機能等へ拡大することを目指す。研究2年度目である当該年度は、初年度の整備した研究環境を用いてリザーバコンピューティングの性能評価を進捗させた。特に、リザーバコンピューティングにおける信号のサンプリング頻度と、時系列の自律的再生能力を詳細に分析し、リザーバコンピューティングが適性に動作するためのサンプリング頻度が存在することを示した。これはデータ生成に向け基礎となる結果でもある。当該研究は国際会議JKCCS2023においてBest Paper Awardを受賞した。また、リザーバコンピューティングに限らず、光を用いたコンピューティングに関する協働研究に積極的に関与し、複数の原著論文の出版に貢献した。

Light リザーバコンピューティングは physical process, light のそのものを complex 雑な interaction contains をんだ computing リソース (リザーバ) と see なし, リザーバと観 measurement is の bungalows のみを learning の like と seaborne する calculation principle であり, simple なでありながら highly な function を発 swing する machine learning technique として in recent years Youdaoplaceholder0 されてる. に, light の recommend suite を raw かした time series can be などの応 with で顕 the な unseen fruit が shown されている. しかし, 従 to study におけるリザーバは, 単の light ファイバーを with いた単 pure な light 遅 delay に base づいている. Originally, light を uses the general で universality <s:1> high <s:1> construction を idea of でるるるバにバによるで. This study は light リザーバコンピューティングに base づく rote learning の computing の interpret を purpose とし, concrete には, when the special researcher Dr Roehm が world に駆 first けて cut り billiton いた, plural の遅 light delay を group みわせた new たなリザーバの limit performance の interpret を refers す. さらに, light リザーバコンピューティングの target function として従 to の series can be だけでなくデータの generating function of へ company, big することを refers す. Study 2 year である when the annual は gearing up, at the beginning of year のしたを research environment with いてリザーバコンピューティングの performance evaluation 価を into 捗させた. に, リザーバコンピューティングにおける signal のサンプリング frequency と, when series の regeneration しをに detailed analysis of self-discipline, リザーバコンピューティングが eligibility に action するためのサンプリング frequency が exist することを shown した. Youdaoplaceholder2 れデデタタタ generate に to け basis となる result であるあるある. When the study was awarded a prize at the <s:1> international conference JKCCS2023におててBest Paper Awardをた. また, リザーバコンピューティングに limit らず, light をいたコンピューティングに masato するに positive association 働 research に masato and papers published のにし, plural の original contribution した.