| 研究課題/領域番号 |
16KT0019
|
|---|
| 研究機関 | 京都大学 |
|---|
研究代表者 |
青柳 富誌生 京都大学, 情報学研究科, 教授 (90252486)
|
|---|
| 研究分担者 |
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)
茶碗谷 毅 大阪大学, 情報科学研究科, 准教授 (80294148)
|
|---|
| 研究期間 (年度) |
2016-07-19 – 2020-03-31
|
| キーワード | レザバー計算機 / カオス / ニューラルネットワーク / 非線形力学系 |
|---|
| 研究実績の概要 |
本研究目的は、適切な指導原理に基づいて計算資源として力学系を活用するレザバー計算機を構築すること、また，逆に力学系自体を計算資源という新たな側面で捉え直す研究も実施することである。特に、edge of chaosという条件が計算能力を高くするという従来の知見はあるが、例えばランダム結合力学系の場合、edge of chaosを実現するネットワークの状態は多数あり、さらにその中でより良い計算能力を得る事ができないかを検討した。当初は、非カオス的なストレンジアトラクターを示す力学系（Strange non-chaotic attractor 略してSNA)を計算資源(レザバー)として活用する可能性や，従来の限界を超えた高い学習・適応能力をもつレザバー計算機の理論モデルを構成するため、力学系の性質や適切なタスクの設定などの解析を行う研究を行った。本年度は、これまでの研究を総合的に勘案し、特に力学系の相互作用を規定するネットワーク構造が重要である点に着目して、これまで単純なランダム結合であったものを、リカレント相互情報量最大化という指導原理で構築する事で、特にメモリータスクに関して性能の向上が見られる事を発見した。これまでは edge of chaos の他には特定のタスクによらないレザバー計算機のための力学系構築の指導原理は無かったが、リカレント相互情報量最大化は alternative な指導原理と成り得る点を示せた点に意義があったと考えている。ただし、非線形のタスクに対する性能向上はあまり見られなかった点など、今後の課題も多く残されている。例えば、従来からメモリータスクと非線形のタスクは互いに相補的な関係であることが示唆されていたが、非線形タスクの性能向上を可能にする指導原理に関しては今後の研究が必要である。
|
