本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：已發表論文
- 日期：2022-09-02
摘要
儲層計算是一種機器學習範例，其中使用高維度動力系統或儲層來對時間序列資料進行近似和預測。其簡單的訓練過程允許非常大的儲存器，可以提供強大的運算能力。可以透過用電子電路建立儲存庫來增強儲存庫運算的規模、速度和功耗特性，但這需要精確理解此類電路如何處理和儲存資訊。我們透過考慮包含線性元件（電阻器、電感器和電容器）和非線性儲存元件（稱為憶阻器）的電路運動方程式來分析此類儲器的可行性和最佳化設計。這補充了先前的研究，這些研究透過模擬和實驗檢查了此類系統。我們提供了有關此類儲層基本可行性的分析結果，並對其計算特性進行了系統表徵，檢查了可能近似的輸入輸出關係的類型。這使得我們能夠設計出在重建特定訊號（或其函數）的能力方面具有最佳特性的儲層。特別是，透過引入儲存庫的總線性和非線性運算能力的測量，我們能夠設計出總運算能力與系統尺寸成線性比例的電子電路。與傳統回波狀態儲存器的比較表明，這些電子儲存器可以以可直接在硬體中實現的形式匹配或超過其性能。