|
本研究の目的は，非同期で不均一なセルオートマトンである非同期調整オートマトン（AT_ECA）を，時系列データの学習モデルであるリザバーコンピューティング（RC）に応用することにより，生命システムのように頑健で素早い学習を実現・理解することであった．前年度までの研究実績は，AT_ECAを用いたRCの実装に成功したこと，提案システムがパラメータ（局所ルール）に対して普遍的に高い学習能力を有することをシミュレーションによって明らかにしたこと，特に時系列データの長さに対して頑健であること，その頑健さの起源・メカニズムを可視化する指標を提案したことなどである．
これらをふまえて，本年度はこの指標を用いて，AT_ECAを用いたRCにくわえて通常のセルオートマトン（ECA）や非同期時間のみを導入したセルオートマトン（A_ECA）も含めて網羅的に解析を実施した．その結果，AT_ECAにおける非同期時間と局所ルールの不均一性の両方が学習能力の向上に不可欠であることが明らかになった．また，GPUマシンを購入して大規模並列計算による高速化を試みた．その際に課題となることとして，AT_ECAで採用している全単射型の非同期時間は並列処理が原理的に不可能あることである．その対処法として，休止型の非同期時間に変更すること考案し，その影響を検討した．
上記にくわえて，本年度はこれまでの研究成果をまとめて公表することに注力し，雑誌論文２件（査読付）と図書1冊を出版した．特に図書『セルオートマトンによる知能シミュレーション』は，本研究の成果とそれを理解するための基礎知識をまとめて解説したものである．また，本研究の成果を多くの研究者が検証あるいは応用できるように，上記の図書と合わせてPythonプログラムをWeb上で公開した．
|
