論文の概要: Insect-Wing Structured Microfluidic System for Reservoir Computing

• arxiv url: http://arxiv.org/abs/2508.10915v1
• Date: Fri, 01 Aug 2025 13:43:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-24 10:27:26.451835
• Title: Insect-Wing Structured Microfluidic System for Reservoir Computing
• Title（参考訳）: 貯留層計算のための昆虫翼構造マイクロ流体システム
• Authors: Jacob Clouse, Thomas Ramsey, Samitha Somathilaka, Nicholas Kleinsasser, Sangjin Ryu, Sasitharan Balasubramaniam,
• Abstract要約: 本研究では,トンボにインスパイアされたマイクロ流体チップを用いたハイブリッド貯水池計算システムについて検討する。 このシステムは、3つの染料ベースの入江チャネルと3つのカメラ監視された検出領域で動作し、離散空間パターンを動的カラー出力信号に変換する。 その結果、粗い解像度と限られたトレーニングデータであっても、一貫した分類精度が91%$まで上昇した。
• 参考スコア（独自算出の注目度）: 1.6712896227173808
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As the demand for more efficient and adaptive computing grows, nature-inspired architectures offer promising alternatives to conventional electronic designs. Microfluidic platforms, drawing on biological forms and fluid dynamics, present a compelling foundation for low-power, high-resilience computing in environments where electronics are unsuitable. This study explores a hybrid reservoir computing system based on a dragonfly-wing inspired microfluidic chip, which encodes temporal input patterns as fluid interactions within the micro channel network. The system operates with three dye-based inlet channels and three camera-monitored detection areas, transforming discrete spatial patterns into dynamic color output signals. These reservoir output signals are then modified and passed to a simple and trainable readout layer for pattern classification. Using a combination of raw reservoir outputs and synthetically generated outputs, we evaluated system performance, system clarity, and data efficiency. The results demonstrate consistent classification accuracies up to $91\%$, even with coarse resolution and limited training data, highlighting the viability of the microfluidic reservoir computing.
• Abstract（参考訳）: より効率的で適応的なコンピューティングの需要が高まるにつれて、自然に触発されたアーキテクチャは、従来の電子設計に代わる有望な代替手段を提供する。 マイクロ流体プラットフォームは、生物形態と流体力学に基づいており、エレクトロニクスが適さない環境では、低消費電力で高レジリエンスなコンピューティングのための魅力的な基盤を提供する。 本研究では,トンボにインスパイアされたマイクロ流体チップを用いたハイブリッド貯水池計算システムについて検討し,マイクロチャネルネットワーク内の流体相互作用として時間入力パターンを符号化した。 このシステムは、3つの染料ベースの入江チャネルと3つのカメラ監視された検出領域で動作し、離散空間パターンを動的カラー出力信号に変換する。 これらの貯水池出力信号は変更され、パターン分類のためのシンプルで訓練可能な読み出し層に渡される。 生の貯水池出力と合成生成出力の組み合わせを用いて, システム性能, システム明瞭度, データ効率を評価した。 その結果、粗い解像度と限られたトレーニングデータであっても、一貫した分類精度が最大911\%まで向上し、マイクロ流体貯水池計算の可能性を浮き彫りにした。

関連論文リスト

• DNN-Based Precoding in RIS-Aided mmWave MIMO Systems With Practical Phase Shift [56.04579258267126]
  本稿では、直接通信路を妨害したミリ波マルチインプット多重出力(MIMO)システムのスループットを最大化する。 リコンフィギュアブルインテリジェントサーフェス(RIS)は、視線(LoS)とマルチパス効果に関連するmmWave特性を考慮して伝送性を高めるために使用される。 ディープニューラルネットワーク(DNN)は、より高速なコードワード選択を容易にするために開発された。
  論文  参考訳（メタデータ） (2025-07-03T17:35:06Z)
• From Neurons to Computation: Biological Reservoir Computing for Pattern Recognition [3.342739594466204]
  我々は、培養された生体ニューロンのプールを貯水池基質として活用し、生物貯水池コンピューティング(BRC)を作成する貯水池コンピューティング(RC)のパラダイムを導入する。 このシステムはエコー状態ネットワーク(ESN)と同様に動作し、神経活動が培養されたニューロンのネットワークによって生成されることが鍵となる。 結果は、従来のニューラルネットワークで処理されるタスクを実行するために、生物学的ニューラルネットワークを使用することの可能性を示している。
  論文  参考訳（メタデータ） (2025-05-06T13:20:04Z)
• Hybrid Magnonic Reservoir Computing [0.0]
  我々は貯水池コンピュータとしてAuto-Oscillation Ringを使用するための確立した設計を構築した。 これらの設計は,従来の高密度ニューラルネットワークよりも多種多様な実世界のデータセットで実行可能であることを示す。
  論文  参考訳（メタデータ） (2024-04-25T18:21:43Z)
• Harnessing Synthetic Active Particles for Physical Reservoir Computing [0.0]
  貯留層計算(Reservoir computing)は、ノードのネットワークをフェージングメモリで刺激し、計算と複雑な予測を可能にする技術である。 ここでは, 能動および受動成分から自然にノイズの多い非線形力学単位へ自己組織する, 合成能動マイクロ粒子システムによる物理貯水池計算を実証する。 本研究は, 自己組織型能動粒子系における情報処理の研究の道を開くものである。
  論文  参考訳（メタデータ） (2023-07-27T17:08:53Z)
• 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)
• ETLP: Event-based Three-factor Local Plasticity for online learning with neuromorphic hardware [105.54048699217668]
  イベントベース3要素局所塑性(ETLP)の計算複雑性に明らかな優位性を有する精度の競争性能を示す。 また, 局所的可塑性を用いた場合, スパイキングニューロンの閾値適応, 繰り返しトポロジーは, 時間的構造が豊富な時間的パターンを学習するために必要であることを示した。
  論文  参考訳（メタデータ） (2023-01-19T19:45:42Z)
• Task Agnostic Metrics for Reservoir Computing [0.0]
  物理貯水池計算は、物理物質における時間的パターン認識を可能にする計算パラダイムである。 選択された力学系は、非線形性、複雑性、暗くなるメモリの3つの望ましい特性を持つ必要がある。 一般に, 減衰率の低いシステムは, 3つの評価指標すべてにおいて高い値に達することが示されている。
  論文  参考訳（メタデータ） (2021-08-03T13:58:11Z)
• Autonomous Optimization of Fluid Systems at Varying Length Scales [55.41644538483948]
  本稿では,一様液滴を生成するハードウェア条件を正確に把握するコンピュータビジョン駆動型ベイズ最適化フレームワークを提案する。 この枠組みは、マイクロ流体系とインクジェット系を用いて、マイクロメートルとミリメートルの2つの流体系で検証されている。
  論文  参考訳（メタデータ） (2021-05-28T02:08:03Z)
• Reservoir Computing with Magnetic Thin Films [35.32223849309764]
  新しい非伝統的なコンピューティングハードウェアは、自然現象を利用して効率を上げる可能性を秘めている。 物理貯水池計算は、様々な非伝統的なシステムでこれを実証している。 マイクロスケールシミュレーションにより薄膜の3つの磁性体を初期探査する。
  論文  参考訳（メタデータ） (2021-01-29T17:37:17Z)
• Towards an Automatic Analysis of CHO-K1 Suspension Growth in Microfluidic Single-cell Cultivation [63.94623495501023]
  我々は、人間の力で抽象化されたニューラルネットワークをデータレベルで注入できる新しい機械学習アーキテクチャを提案する。 具体的には、自然データと合成データに基づいて生成モデルを同時に訓練し、細胞数などの対象変数を確実に推定できる共有表現を学習する。
  論文  参考訳（メタデータ） (2020-10-20T08:36:51Z)

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。