論文の概要: Reservoir Computing with a Single Oscillating Gas Bubble: Emphasizing the Chaotic Regime

• arxiv url: http://arxiv.org/abs/2504.07221v1
• Date: Tue, 25 Mar 2025 23:32:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-13 06:53:03.364403
• Title: Reservoir Computing with a Single Oscillating Gas Bubble: Emphasizing the Chaotic Regime
• Title（参考訳）: 単一振動ガス気泡を用いた貯留層計算 : カオスレジームの強調
• Authors: Hend Abdel-Ghani, A. H. Abbas, Ivan S. Maksymov,
• Abstract要約: 本研究では,液塊内に閉じ込められた単一気泡に基づく貯水池計算システムを提案し,理論的に検証する。 入力情報をエンコードし、複雑な非線形ダイナミクスを励起する外部音圧波を適用することにより、この単一気泡貯水池計算システムによる複雑なベンチマーク時系列の予測能力を示す。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: The rising computational and energy demands of artificial intelligence systems urge the exploration of alternative software and hardware solutions that exploit physical effects for computation. According to machine learning theory, a neural network-based computational system must exhibit nonlinearity to effectively model complex patterns and relationships. This requirement has driven extensive research into various nonlinear physical systems to enhance the performance of neural networks. In this paper, we propose and theoretically validate a reservoir computing system based on a single bubble trapped within a bulk of liquid. By applying an external acoustic pressure wave to both encode input information and excite the complex nonlinear dynamics, we showcase the ability of this single-bubble reservoir computing system to forecast complex benchmarking time series and undertake classification tasks with high accuracy. Specifically, we demonstrate that a chaotic physical regime of bubble oscillation proves to be the most effective for this kind of computations.
• Abstract（参考訳）: 人工知能システムの計算とエネルギー需要の増大は、計算に物理効果を利用する代替ソフトウェアとハードウェアソリューションの探索を促している。 機械学習理論によれば、ニューラルネットワークに基づく計算システムは、複雑なパターンと関係を効果的にモデル化するために非線形性を示す必要がある。 この要求により、ニューラルネットワークの性能を高めるために様々な非線形物理系の研究が進められている。 本稿では,液塊内に閉じ込められた単一気泡に基づく貯水池計算システムを提案し,理論的に検証する。 入力情報のエンコードと複雑な非線形ダイナミクスの励起の両方に外部音圧波を適用することで,この単一気泡貯水池計算システムにより,複雑なベンチマーク時系列を予測し,高精度に分類タスクを実行することができることを示す。 具体的には, 気泡振動のカオス的物理状態が, この種の計算に最も有効であることが証明された。

関連論文リスト

• Reservoir Computing Generalized [0.0]
  物理ニューラルネットワーク(PNN)は、高速計算やエネルギー効率などの機械学習タスクや物理特性を解く強力な可能性を持っている。 貯留層計算(Reservoir Computing, RC)は, 動的システムを用いた情報処理システムを実現するための優れたフレームワークである。 本稿では,この要求を頭に向けることで,貯水池計算(GRC)と呼ばれる新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-11-23T05:02:47Z)
• Classical and quantum reservoir computing: development and applications in machine learning [0.0]
  貯留層計算(Reservoir computing)は、非線形力学系を用いてデータから複雑な時間パターンを学習する、新しい機械学習アルゴリズムである。 この研究は、農業時系列予測を含む、非常に異なる領域にわたるアルゴリズムの堅牢性と適応性を実証している。 この論文の最後の貢献は、量子貯水池計算のためのアルゴリズム設計の最適化である。
  論文  参考訳（メタデータ） (2023-10-11T13:01:05Z)
• Controlling dynamical systems to complex target states using machine learning: next-generation vs. classical reservoir computing [68.8204255655161]
  機械学習を用いた非線形力学系の制御は、システムを周期性のような単純な振る舞いに駆動するだけでなく、より複雑な任意の力学を駆動する。 まず, 従来の貯水池計算が優れていることを示す。 次のステップでは、これらの結果を異なるトレーニングデータに基づいて比較し、代わりに次世代貯水池コンピューティングを使用する別のセットアップと比較する。 その結果、通常のトレーニングデータに対して同等のパフォーマンスを提供する一方で、次世代RCは、非常に限られたデータしか利用できない状況において、著しくパフォーマンスが向上していることがわかった。
  論文  参考訳（メタデータ） (2023-07-14T07:05:17Z)
• Optimization of a Hydrodynamic Computational Reservoir through Evolution [58.720142291102135]
  我々は,スタートアップが開発中の流体力学系のモデルと,計算貯水池としてインターフェースする。 我々は、進化探索アルゴリズムを用いて、読み出し時間と入力を波の振幅や周波数にどのようにマッピングするかを最適化した。 この貯水池システムに進化的手法を適用することで、手作業パラメータを用いた実装と比較して、XNORタスクの分離性が大幅に向上した。
  論文  参考訳（メタデータ） (2023-04-20T19:15:02Z)
• Physics-informed machine learning with differentiable programming for heterogeneous underground reservoir pressure management [64.17887333976593]
  地下貯水池の過圧化を避けることは、CO2の沈殿や排水の注入といった用途に欠かせない。 地中における複雑な不均一性のため, 噴射・抽出制御による圧力管理は困難である。 過圧化防止のための流体抽出速度を決定するために、フル物理モデルと機械学習を用いた微分可能プログラミングを用いる。
  論文  参考訳（メタデータ） (2022-06-21T20:38:13Z)
• Physical Deep Learning with Biologically Plausible Training Method [2.5608506499175094]
  直感フィードバックアライメントと呼ばれる生物学的に妥当なトレーニングアルゴリズムを拡張し,物理深層学習を提案する。 このトレーニングの計算を、シンプルでスケーラブルな物理システム上でエミュレートし、高速化することができる。 本結果は,ニューロモルフィック計算の訓練と加速のための実用的なソリューションを提供する。
  論文  参考訳（メタデータ） (2022-04-01T05:46:16Z)
• Neural Echo State Network using oscillations of gas bubbles in water: Computational validation by Mackey-Glass time series forecasting [0.0]
  本研究では,水中で発振するガス気泡のクラスターの音響応答の非線形性と標準エコー状態ネットワーク(ESN)アルゴリズムを組み合わせたRCシステムを提案する。 提案したRCシステムの妥当性を,ESNの効率でカオスなマッキーグラス時系列を予測できることを示し,計算的に検証した。
  論文  参考訳（メタデータ） (2021-12-22T00:21:54Z)
• Constructing Neural Network-Based Models for Simulating Dynamical Systems [59.0861954179401]
  データ駆動モデリングは、真のシステムの観測からシステムの力学の近似を学ぼうとする代替パラダイムである。 本稿では,ニューラルネットワークを用いた動的システムのモデル構築方法について検討する。 基礎的な概要に加えて、関連する文献を概説し、このモデリングパラダイムが克服すべき数値シミュレーションから最も重要な課題を概説する。
  論文  参考訳（メタデータ） (2021-11-02T10:51:42Z)
• Mapping and Validating a Point Neuron Model on Intel's Neuromorphic Hardware Loihi [77.34726150561087]
  インテルの第5世代ニューロモルフィックチップ「Loihi」の可能性について検討する。 Loihiは、脳内のニューロンをエミュレートするスパイキングニューラルネットワーク(SNN)という新しいアイデアに基づいている。 Loihiは従来のシミュレーションを非常に効率的に再現し、ネットワークが大きくなるにつれて、時間とエネルギーの両方のパフォーマンスにおいて顕著にスケールする。
  論文  参考訳（メタデータ） (2021-09-22T16:52:51Z)
• Natural quantum reservoir computing for temporal information processing [4.785845498722406]
  貯留層計算(Reservoir computing)は、人工的または物理的散逸動態を利用する時間情報処理システムである。 本稿では, 量子ビットに付加される自然ノイズによって散逸特性が供給される貯水池として, 現実の超伝導量子コンピューティングデバイスを用いる方法を提案する。
  論文  参考訳（メタデータ） (2021-07-13T01:58:57Z)
• Linear embedding of nonlinear dynamical systems and prospects for efficient quantum algorithms [74.17312533172291]
  有限非線形力学系を無限線型力学系(埋め込み)にマッピングする方法を述べる。 次に、有限線型系 (truncation) による結果の無限線型系を近似するアプローチを検討する。
  論文  参考訳（メタデータ） (2020-12-12T00:01:10Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。