实用设计与性能评估使用磁滞的物理水库计算-计算机科学-计算资源-机器学习.pdf

实用设计与性能评估使用磁滞的物理水库计算

YuheiYamada

ResearchCenterforAutonomousSystemsMaterialogy(ASMat),

InstituteofIntegratedResearch,InstituteofScienceTokyo,

4259Nagatsuta-cho,Midori-ku,Yokohama,Kanagawa,226-8501,Japan

(10Dated:2025年7月18日)

物理水库计算是一种利用物理现象作为计算资源的创新理念。最近的研究表明，信息处理技术可以

提高性能，但对于实际应用而言，研究简单设计水平的表现也同样重要，这种设计在实验上易于构建。

我们关注由独立滞后系统组成的水库作为一个适合于物理水库计算实用实现的模型。本文讨论了该水

库的适当设计、其性能及其局限性。本研究将作为基于滞后的水库构造的实际指南。

I.介绍II.模型

首先，我们简要介绍RC的数学公式[13]。RC最

水库计算（RC）是一种实现机器学习的方法[1]。它

本被引入为一种使用递归神经网络[2,3]的学习过程，并基本的问题是模仿目标系统对顺序输入的输出。这被

译因其尽管学习成本低但表现出高性能而受到关注。其称为模拟任务，并且通过适当设置输入和输出，它可

以应用于其他任务，如预测、计算、分类等。[14]。这

中显著特点是，被称为水库的内部层不进行优化，而是

里，我们将离散时间中目标系统的输入和输出分别

1对数据处理中的读出层进行优化。这不仅减少了计算

v表示为和。假设在时刻，水库的状态完全由

3成本，还使得用物理现象替代中间层成为可能，即所

维向量描述。通过与水库动力学

6谓的物理水库计算（PRC）[4]。预计PRC将有助于节

0相对应的映射，时间演化可以如下描述：

6省计算资源，并应用于适应现实环境的计算设备中。

0

7.与数值RC相比，PRC难以实现高性能的原因在(1)

0

5于物理限制。最近的研究表明，通过创新信息处理技初始条件为。然后，通过选取的个水库状态的

2术（如复用[5,6]）可以显著提高性能。另一方面，在

:加权求和计算水库的输出，如

v

i考虑实际应用时，需要尽量减少信息处理。因此，通

x

r过控制水库设计来提升性能也很重要[7]。在这个方向(2)

a

上，已经尝试通过使用多个独立的动力学组成水库来