論文の概要: Bayesian Optimization of Multi-Bit Pulse Encoding in In2O3/Al2O3 Thin-film Transistors for Temporal Data Processing

• arxiv url: http://arxiv.org/abs/2510.07421v1
• Date: Wed, 08 Oct 2025 18:22:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-10 17:54:14.654931
• Title: Bayesian Optimization of Multi-Bit Pulse Encoding in In2O3/Al2O3 Thin-film Transistors for Temporal Data Processing
• Title（参考訳）: 時間データ処理のためのIn2O3/Al2O3薄膜トランジスタにおけるマルチビットパルス符号化のベイズ最適化
• Authors: Javier Meza-Arroyo, Benius Dunn, Weijie Xu, Yu-Chieh Chen, Jen-Sue Chen, Julia W. P. Hsu,
• Abstract要約: 溶液パターンAl2O3/In2O3薄膜トランジスタ(TFT)の符号化精度を向上させるための機械学習手法であるベイズ最適化を実証する。 5つの鍵パルスパラメータを探索し,出力状態分離の指標として正規化分離度(nDoS)を用いて高忠実度6ビット時間符号化を示す。 また、より単純な4ビットデータに基づいて訓練されたモデルにより、より複雑な6ビット符号化タスクの最適化を効果的に導くことができ、実験コストを低減できることを示す。
• 参考スコア（独自算出の注目度）: 2.2613721430189124
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Utilizing the intrinsic history-dependence and nonlinearity of hardware, physical reservoir computing is a promising neuromorphic approach to encode time-series data for in-sensor computing. The accuracy of this encoding critically depends on the distinguishability of multi-state outputs, which is often limited by suboptimal and empirically chosen reservoir operation conditions. In this work, we demonstrate a machine learning approach, Bayesian optimization, to improve the encoding fidelity of solution-processed Al2O3/In2O3 thin-film transistors (TFTs). We show high-fidelity 6-bit temporal encoding by exploring five key pulse parameters and using the normalized degree of separation (nDoS) as the metric of output state separability. Additionally, we show that a model trained on simpler 4-bit data can effectively guide optimization of more complex 6-bit encoding tasks, reducing experimental cost. Specifically, for the encoding and reconstruction of binary-patterned images of a moving car across 6 sequential frames, we demonstrate that the encoding is more accurate when operating the TFT using optimized pulse parameters and the 4-bit optimized operating condition performs almost as well as the 6-bit optimized condition. Finally, interpretability analysis via Shapley Additive Explanations (SHAP) reveals that gate pulse amplitude and drain voltage are the most influential parameters in achieving higher state separation. This work presents the first systematic method to identify optimal operating conditions for reservoir devices, and the approach can be extended to other physical reservoir implementations across different material platforms.
• Abstract（参考訳）: ハードウェアの本質的な履歴依存性と非線形性を利用して、物理貯水池コンピューティングは、センサー内コンピューティングのための時系列データをエンコードするための有望なニューロモルフィックなアプローチである。 この符号化の精度は多状態出力の識別可能性に大きく依存するが、これはしばしば準最適かつ経験的に選択された貯水池の運転条件によって制限される。 本研究では,解処理したAl2O3/In2O3薄膜トランジスタ(TFT)の符号化精度を向上させるため,機械学習手法であるベイズ最適化を実証する。 5つの鍵パルスパラメータを探索し,出力状態分離の指標として正規化分離度(nDoS)を用いて高忠実度6ビット時間符号化を示す。 さらに、より単純な4ビットデータに基づいて訓練されたモデルにより、より複雑な6ビット符号化タスクの最適化を効果的に導くことができ、実験コストを低減できることを示す。 具体的には,6つの連続フレームにまたがる移動車のバイナリパターン画像の符号化と再構成のために,最適化パルスパラメータを用いてTFTを動作させる場合の符号化がより正確であること,および4ビット最適化動作条件が6ビット最適化条件とほぼ同等であることを示す。 最後に、Shapley Additive Explanations (SHAP)による解釈可能性解析により、ゲートパルス振幅とドレイン電圧がより高い状態分離を達成する上で最も影響のあるパラメータであることが判明した。 本研究は, 貯水池装置の最適運転条件を特定するための最初の体系的手法であり, 様々な材料プラットフォームにまたがる他の物理貯水池実装にも適用可能である。

関連論文リスト

• Pushing the Limits of Low-Bit Optimizers: A Focus on EMA Dynamics [64.62231094774211]
  ステートフル(例えばアダム)は、最適収束を達成するために、モデルサイズを2倍も補助情報を維持する。 SOLOにより、アダムスタイルは3ビットまたは2ビットの精度で量子化された状態を維持することができる。 したがって、SOLOはAdamスタイルにシームレスに適用でき、精度の低下を最小限に抑えることができる。
  論文  参考訳（メタデータ） (2025-05-01T06:47:45Z)
• Transformer neural networks and quantum simulators: a hybrid approach for simulating strongly correlated systems [1.6494451064539348]
  ニューラル量子状態(NQS)のハイブリッド最適化手法を提案する。 計算ベースからの射影測定と他の測定設定からの期待値の両方を用いることで、事前学習により状態の符号構造へのアクセスが可能になる。 我々の研究は、ニューラル量子状態の信頼性と効率的な最適化の道を開いた。
  論文  参考訳（メタデータ） (2024-05-31T17:55:27Z)
• State-Free Inference of State-Space Models: The Transfer Function Approach [132.83348321603205]
  状態のない推論では、状態サイズが大きくなると大きなメモリや計算コストは発生しない。 提案した周波数領域転送関数のパラメトリゼーション特性を用いてこれを実現する。 長い畳み込みハイエナベースライン上での言語モデリングにおける難易度の改善を報告した。
  論文  参考訳（メタデータ） (2024-05-10T00:06:02Z)
• Efficient Encoder-Decoder Transformer Decoding for Decomposable Tasks [53.550782959908524]
  エンコーダ・デコーダモデルのための新しい構成を導入し、構造化された出力と分解可能なタスクの効率を改善する。 提案手法は,インプットを一度エンコードして並列にデコードすることで,トレーニングと推論の効率を向上する。
  論文  参考訳（メタデータ） (2024-03-19T19:27:23Z)
• Learning Quantization in LDPC Decoders [14.37550972719183]
  均一雑音の付加として量子化効果を模倣する浮動小数点代理モデルを提案する。 次に、深層学習に基づく手法を適用し、メッセージビット幅を最適化する。 平均メッセージ量子化ビット幅3.1ビットにおける浮動小数点復号の0.2dB以内の誤り率性能を報告する。
  論文  参考訳（メタデータ） (2022-08-10T07:07:54Z)
• Efficient VVC Intra Prediction Based on Deep Feature Fusion and Probability Estimation [57.66773945887832]
  本稿では,フレーム内予測におけるVersatile Video Coding (VVC) の複雑性を,深層融合と確率推定の2段階のフレームワークを用いて最適化することを提案する。 特に高精細度(HD)および超高精細度(UHD)ビデオシーケンスにおいて,提案手法の優位性を示す実験結果が得られた。
  論文  参考訳（メタデータ） (2022-05-07T08:01:32Z)
• Efficient Two-Stream Network for Violence Detection Using Separable Convolutional LSTM [0.0]
  Separable Convolutional LSTM(SepConvLSTM)と予め訓練されたMobileNetを活用した効率的な2ストリームディープラーニングアーキテクチャを提案する。 SepConvLSTMは、ConvLSTMの各ゲートの畳み込み操作を深さ方向に分離可能な畳み込みに置き換えて構築されます。 我々のモデルは、大きくて挑戦的なrwf-2000データセットの精度を2%以上上回っている。
  論文  参考訳（メタデータ） (2021-02-21T12:01:48Z)

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。