我们通过数值模拟展示了一种基于硅添加 - 删除微环的储备计算方案，该方案结合了并行延迟输入和波分复用。该方案在不需要外部光学反馈的情况下，能够成功地解决如时间序列预测等对内存要求较高的任务，并表现出良好的性能。

Dec, 2023

通过使用硅微环共振器中的非线性效应，如自由载流子色散和热光效应，将信息映射到更高的维度空间，并通过添加外部波导实现具有增强记忆的延时非线性光子储存器 (TDRC)。在 TDRC 中，非线性效应取决于物理特性，而非线性动态的正确量化有利于实现最佳性能。因此，我们以时间常数和热效应为函数来量化基于微环的 TDRC 方案的非线性和线性内存容量，并分析了 TDRC 动态生成的参数空间，以确定满足传统 RC 任务的输入信号功率和频率偏移范围。

Jun, 2024

本论文研究了利用硅微环谐振器实现时间延时储层计算中热光和自由载流子效应的影响，并确定了泵浦功率和频率失谐范围，使得数据拟合误差小于 0.05，满足 NARMA-10 任务要求。

Jul, 2023

微环共振器是时间延迟光子储层计算的有希望的设备，通过数值分析我们发现不同物理效应对于数据预测准确性的影响，研究结果揭示了三个区域，这些区域定义了线性到非线性的腔体转变，其中一个区域在输入功率和光源与微环谐振频差之间表现出较低的预测误差，这项研究为改进时间延迟储层计算的预测表现提供了设计微环共振器和优化其物理特性的见解。

Oct, 2023

使用深度时滞水库计算的方法，通过分析条件 Lyapunov 指数和系统到分岔点的距离，调节线性和非线性记忆容量的分布，得出了高非线性或长时间线性记忆容量的系统设计。

Jun, 2020

通过使用光电装置验证了一种最近提出的储层计算优化技术的实验。储层计算是一种强大的信号处理应用框架，而高效优化方法的发展仍是一个关键挑战。我们的技术仅利用输入信号的延迟版本来识别储层的最佳操作区域，简化了传统耗时的超参数调整任务。我们验证了这种方法在不同基准任务和储层操作条件下的有效性。

Jan, 2024

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

深度学习在无线通信等领域得到了迅速的应用，本文通过应用一种称为储备计算的学习技术对信道均衡进行研究，并提供了其操作的信号处理理论基础，通过模拟展示了通过优化初始化可以改善接收处理和符号检测性能，这是实现可解释机器学习和提高检测可靠性的首要步骤。

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

本文提出了一种基于可重构智能反射器（IR）辅助下行毫米波基站多用户通信的新型框架，并通过一种新的通道估计方法来实时测量通道状态信息（CSI），进而采用 Q-learning 算法的分布增强学习，结合量化回归和全分布下行速率优化，通过模拟测试表明，与固定的 IR 反射或直接传输方案相比，该方法可以使下行密集多用户界面的速率大幅度提高。

Feb, 2020