本研究では、外部コンピューターを必要とせずに非線形機械学習タスクを学習できる物理学習システムを開発した。このシステムは、トランジスタを可変非線形抵抗として用いた電子ネットワークで構成される。
ネットワークには入力と出力の境界条件が設定され、ネットワーク内の各エッジのゲート電圧が自律的に調整されることで学習が行われる。学習ルールは、ネットワークの消費電力を最小化するように設計されており、物理的な最適化過程によって入出力関数が学習される。
学習過程では、まず平均誤差を減らすことで出力の平均値を調整し、次に傾き誤差、曲率誤差の順に減らしていくことで、XORや非線形回帰といった複雑な関数を学習できることを示した。学習には数秒しかかからず、学習後の推論は微秒単位で高速かつ低消費電力で行える。
このシステムは、物理的な非線形性を活用することで、デジタルコンピューターを必要とせずに機械学習を実現できる。また、学習モードの順次調整という特徴は、生物の脳の学習過程に似ており、物理学習システムの潜在的な応用可能性を示唆している。今後の課題としては、最適な非線形特性や回路構造の探索、大規模化に向けた検討などが挙げられる。
In eine andere Sprache
aus dem Quellinhalt
arxiv.org
Wichtige Erkenntnisse aus
by Sam Dillavou... um arxiv.org 04-09-2024
https://arxiv.org/pdf/2311.00537.pdfTiefere Fragen