通过利用内部电压偏移实现各种输入状态相关性，我们引入了一种新颖的基于异质 memcapacitor 的物理蓄水池计算机，该计算机实现了高效的高维变换，显著提高了预测性能。

Apr, 2024

近期，关于储层计算的研究取得了重大突破，需要具有能够实现储层物理实现的动力学的模拟装置，以实现更快的信息处理速度、更低的能量消耗和较小的面积占用。通过电压相关动态的离子通道基础箱体，我们展示了只需一次数据编码并通过一个包含具有不同动力学特性的多个箱体的储层层的数据输入方法的可行性，并通过实验证明了这种方法的预测和分类准确率高于传统方法。

Oct, 2023

我们的研究引入了一种新型的双存储器 RC 系统，通过基于 WOx 的忆阻器实现 16 个不同状态的编码和基于 TiOx 的忆阻器实现长期记忆单元，实现了处理时间数据集的能力。通过对孤立语音数字识别和 Mackey-Glass 时间序列预测的基准任务的验证，该系统在数字识别中达到了 98.84% 的准确率，在时间序列预测任务中保持了较低的规范化均方根误差（NRMSE）0.036，突出了其能力。本研究揭示了基于忆阻器的 RC 系统在处理复杂时间挑战方面的能力，为神经形态计算的进一步创新奠定了基础。

Mar, 2024

利用学习到学习框架，本文成功识别出膜电位的行为特征和最优超参数，这些特征与以前的研究相吻合，这表明 memristive reservoirs 可以模拟尖峰神经元的膜电位行为，并且可以作为尖峰电流和连续过程之间的接口。

Jun, 2023

使用基于忆阻器的回声状态网络加速器，在边缘设备上进行高效的时间序列数据处理和在线学习，与软件模型相比性能仅下降约 4.8%，并实现了 246 倍的能源消耗降低。

May, 2024

该综述通过将物理沉积池按类型分类，概述了近期物理沉积池计算的进展，并讨论了与物理沉积池计算相关的当前问题和前景，以进一步扩展其实际应用和开发下一代机器学习系统。

Aug, 2018

用合成主动微粒系统进行物理储水池计算，其中自组织和噪音抑制起到关键作用。

Jul, 2023

光子储水池计算作为加速时间序列预测的硬件实现需求的最新技术，已被广泛运用，然而在预测混沌时间序列方面，传统的储水池计算模型在准确性方面存在一定局限性，因此我们引入了一种注意力机制，用于增强储水池计算模型输出阶段的预测准确性，实验结果表明，采用注意力机制的光子储水池计算能够提高较小储水池的预测能力，这些进展凸显了储水池计算在准确预测混沌时间序列的实际应用中的变革性可能性。

Dec, 2023

利用新的微磁模拟软件 Magnum.np，通过引入一个简单的神经网络中间层以及使用散射区域的自旋波导，我们在已有的环状自振装置的基础上构建了物理储层计算机，展示出与传统密集神经网络相当或更好的性能，适用于处理不同类型输入的各种真实数据集。

Apr, 2024

通过使用具有非线性磁化特性的纳米磁隧道结构作为物理水库，结合简单的线性回归进行在线训练和自主预测，本研究在动态时间序列数据和混沌时间序列数据上进行了建模，并在高精度、低内存和低能耗的硬件资源上实现了预测。

Apr, 2023