2017 Fiscal Year Annual Research Report
Implementation of Physical Liquid State Machine Based on Faraday Waves
| Project/Area Number |
15K16076
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
中嶋 浩平 東京大学, 大学院情報理工学系研究科, 特任准教授 (10740251)
|
|---|
| Project Period (FY) |
2015-04-01 – 2018-03-31
|
| Keywords | レザバーコンピューティング / 機械学習 / リカレントニューラルネットワーク / ニューラルネットワーク / 非線形力学系 / 大自由度力学系 / カオス / ソフトマテリアル |
|---|
| Outline of Annual Research Achievements |
本年度は、流体計算機実験に関しては、実験系も昨年度までに設営が完了し、あとはファラデー波の情報処理能力の系統的な実験を行うのみという状況である。これら系統的な実験に乗り出す前に、これまでに取得した実験データとそれに基づいた解析結果に関して、まずは論文にまとめる作業を完了することからスタートすることを考えた。物理系のダイナミクスをレザバーとして活用する際、実験系の拘束条件により、系の挙動の観測は制限されるのがほとんどである。このように系の挙動の観測が制限されていても、系の情報処理能力を最大限引き出す手法として、時間多重化法という手法の効果を検証した。この方法では、入出力関係と物理系のタイムスケールの違いを利用して、計算素子数を多数確保するという手法である。検証には、タコ足型ロボットの実験データを用い、どの程度計算能力が向上するのかを定量的に評価した。すると、10個のセンサー系列に対し、時間多重化法で計算素子数を増やすことで、タスクによっては、通常のecho state networkのノード数200個分程度の計算能力が誘導できることがわかった。また、時間多重化法の対概念である空間多重化法の効果も量子レザバーを用いて検証し、ここでも計算能力の向上を確認した。次に、流体タイマーの解析を詳細に進める前に、流体のデータの調製を行ったが、想定された以上の多様な表現能力が確認できた（パルスを絶たせるのみならず、複雑なパターンを学習できることがわかった）ので、タスクの種類を当初計画していたよりも増やし、十分に流体のダイナミクスの情報処理能力を検証するために、解析も新たに増やすことにした。この解析についてはは、現在結果をまとめている段階にあり、完成次第、論文として発表する予定である。
|
