提出了基于完全量子计算的下一代油藏计算方法,能够准确预测量子动力学的多体系统,且通过跳跃预测技术能够在预测远期状态时减少中间状态的信息提取,并结合块编码技术实现了计算效率的量子加速方法。
Aug, 2023
利用表面流动液膜上激发的孤立波,实验证明一种物理上的储备计算系统,该系统通过对输入数据进行非线性转换来替代随机性的影响,从而作为传统储备计算算法的技术简单的硬件改进。
Jan, 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
该论文研究了随机库容计算机的普适性,证明了具有随机特性的库容计算机是一种普遍的逼近类,并通过两个实际应用示例展示了其在分类和混沌时间序列预测方面相对确定性库容计算机的高性能。
May, 2024
储备计算(RC)是一种递归神经网络,通过随机连接神经元实现对时间信号处理的应用。该模型具有丰富的动力学、线性可分性和记忆能力,可在各种应用中生成适当的响应。RC 的研究领域涉及机器学习、物理学、生物学和神经科学,可应用于物理硬件和生物设备的复杂动力学实现及对大脑机制的理解。本文对 RC 的发展进行了综合回顾,包括模型、应用和脑机制的建模,并提供了储备设计、编码框架统一、物理实现以及与认知神经科学和进化之间的相互作用等新视角。
Jul, 2023
应用深度学习量化不确定性是实现电网管理中精确可靠的时间序列预测的关键,本研究探索并比较了在水库计算中采用的贝叶斯和确定性方法对预测准确性、计算资源效率和估计不确定性可靠性的影响。
应用机器学习控制混沌参数 Lorenz 系统,研究表明下一代水库计算在数据有限的情况下可以显著优于传统水库计算,并在实际控制应用中具有进一步潜力。
在这项研究中,我们将非线性控制与洪流计算的方法相结合,成功地实现了对混沌系统的控制,包括在不稳定的吸引子之间控制系统、将系统稳定在高阶周期轨道上以及将系统控制到特定轨迹,该控制器具有出色的性能,仅需 10 个数据点进行训练,可以在单次迭代中实现对系统的控制,并且对噪声和建模误差具有鲁棒性。
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。
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