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

Dynamical properties and computational capability of Reservoir Computing

油藏计算的动力学特性和计算能力

基本信息

批准号：
22KJ1959
负责人：
高須正太郎
金额：
$ 1.6万
依托单位：
Kyoto University
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2023
资助国家：
日本
起止时间：
2023-03-08 至 2025-03-31
项目状态：
未结题

项目摘要

本研究では、Recurrent Neural Network（以下、RNN）のダイナミクスと計算性能の関係を調べることで、レザバー計算の新たな指導原理を確立することを目指している。本年度は、物理レザバー計算では現実的な設定である、入力がスパースであるRNNのダイナミクスを調べた。素子数無限大の極限において動的平均場理論を適用することで、入力を部分的に受けるRNNの条件付き最大リアプノフ指数を解析的に求めることに成功した。その結果、RNNのカオスダイナミクスを抑制し、Echo State Propertyを成立させるために必要な入力結合率の下限が存在することがわかった。本結果は、複数の学会にて報告しており、現在英文雑誌への投稿に向けた準備中である。また、RNNのダイナミクスの非線形性と非線形演算性能との関係を調べるために、タスクに依存しない計算性能の指標であるInformation Processing Capacity（以下、IPC）に着目し、非線形RNNのIPCと線形RNNのIPCの相関を数値計算によって求めた。その結果、RNNが不安定性の縁（非線形RNNの場合は「カオスの縁」とも呼ばれる）に近づくほど、非線形RNNと線形RNNの計算性能が類似するという、直感に反する結果を得ることができた。本結果は、日本物理学会春季大会にて報告しており、こちらも論文投稿に向けた準備を進めている。

This study aims to establish a new guiding principle for computing performance of Recurrent Neural Network (RNN). This year, we will adjust the setting of the physical calculation and the input force. The theory of mean field of motion with infinite number of elements is applied to the condition of RNN and the maximum number of elements is solved successfully. The result is that RNN has a lower bound on the required force. The results of this study are presented in English and Chinese. Information Processing Capacity (IPC) of RNN's Non-linear and Non-linear Computing Performance The results show that RNN is unstable (in the case of non-linear RNN, the "" and "" are used), and the computational performance of non-linear RNN and linear RNN is similar. The results of this paper are presented at the Spring Conference of the Physical Society of Japan.