Core Concepts
光散乱を利用して大規模な計算を行う光学次世代リザーバーコンピューティングを実証した。従来の光学リザーバーコンピューティングと比べ、より短い学習期間、少ないハイパーパラメータ、高い解釈性を持ち、先進的な予測性能を達成した。
Abstract
本研究では、光学次世代リザーバーコンピューティング(NGRC)を実証した。従来の光学リザーバーコンピューティングとは異なり、時間遅延入力を直接リザーバーに与えることで、多項式特徴を暗黙的に生成する。
短期予測では、低次元のLorenz63系列と高次元のKuramoto-Sivashinsky(KS)系列のカオス時系列を予測できることを示した。従来の光学リザーバーコンピューティングと比べ、学習データ量を1%に削減しつつ、予測長を2倍に伸ばすことに成功した。
長期予測では、オリジナルの状態空間軌道を再現することができ、観測変数を推定する観測器タスクでも優れた性能を示した。これは、光学システムが時間遅延入力の多項式特徴を自然に生成し、それを線形結合することで実現できる。
全体として、光学NGRC は従来の光学リザーバーコンピューティングに比べ、より少ない学習データ、ハイパーパラメータ、高い解釈性を持ちつつ、先進的な性能を発揮することが実証された。この成果は、物理リザーバーコンピューティングの新しい可能性を開くものと期待される。
Stats
低次元Lorenz63系列の予測では、5時間単位の正規化二乗平均誤差(NRMSE)が0.0971であった。
高次元KS系列の短期予測では、NRMSE が0.2988であった。