論文の概要: Autonomous Learning of Attractors for Neuromorphic Computing with Wien Bridge Oscillator Networks

• arxiv url: http://arxiv.org/abs/2512.14869v1
• Date: Tue, 16 Dec 2025 19:33:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-18 17:06:26.768015
• Title: Autonomous Learning of Attractors for Neuromorphic Computing with Wien Bridge Oscillator Networks
• Title（参考訳）: ウィーンブリッジオシレータネットワークを用いたニューロモルフィックコンピューティング用トラクターの自律学習
• Authors: Riley Acker, Aman Desai, Garrett Kenyon, Frank Barrows,
• Abstract要約: 可変抵抗結合を有するエネルギーベースニューロモルフィックプリミティブを提案する。 学習した位相パターンがアトラクタ状態を形成し、シミュレーションとハードウェアでこの挙動を検証する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present an oscillatory neuromorphic primitive implemented with networks of coupled Wien bridge oscillators and tunable resistive couplings. Phase relationships between oscillators encode patterns, and a local Hebbian learning rule continuously adapts the couplings, allowing learning and recall to emerge from the same ongoing analog dynamics rather than from separate training and inference phases. Using a Kuramoto-style phase model with an effective energy function, we show that learned phase patterns form attractor states and validate this behavior in simulation and hardware. We further realize a 2-4-2 architecture with a hidden layer of oscillators, whose bipartite visible-hidden coupling allows multiple internal configurations to produce the same visible phase states. When inputs are switched, transient spikes in energy followed by relaxation indicate how the network can reduce surprise by reshaping its energy landscape. These results support coupled oscillator circuits as a hardware platform for energy-based neuromorphic computing with autonomous, continuous learning.
• Abstract（参考訳）: 本稿では,Wien橋振動子と可変抵抗結合を結合したネットワークで実装した振動型ニューロモルフィックプリミティブを提案する。 振動子間の位相関係はパターンを符号化し、局所的なヘビアン学習規則はカップリングに継続的に適応し、学習とリコールは別々のトレーニングと推論フェーズからではなく、同じ進行中のアナログダイナミクスから現れる。 有効エネルギー関数を持つ倉本型位相モデルを用いて,学習した位相パターンがアトラクタ状態を形成し,シミュレーションやハードウェアでその挙動を検証する。 さらに,可視光隠れ結合により複数の内部構成が同じ可視位相状態を生成する2-4-2アーキテクチャを実現する。 入力が切り替わると、過渡的なエネルギースパイクと緩和によって、ネットワークがエネルギーの景観を形作ることで驚きを減らせることを示す。 これらの結果は、自律的連続学習によるエネルギーベースニューロモルフィックコンピューティングのためのハードウェアプラットフォームとして、結合振動回路をサポートする。

関連論文リスト

• Learning by Steering the Neural Dynamics: A Statistical Mechanics Perspective [0.0]
  我々は、ニューラルネットワークが完全に局所的な分散学習をサポートする方法について研究する。 そこで本研究では,任意のバイナリ再帰ネットワークを用いた教師あり学習のための生物学的に妥当なアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-10-13T22:28:34Z)
• Can We Achieve Efficient Diffusion without Self-Attention? Distilling Self-Attention into Convolutions [94.21989689001848]
  従来の自己アテンションモジュールをピラミッド畳み込みブロック((Delta)ConvBlocks)に置き換えるための(Delta)ConvFusionを提案する。 ローカライズされた畳み込み操作に注意パターンを蒸留し、他のコンポーネントを凍結させながら、(Delta)ConvFusionは、トランスフォーマーベースの処理に匹敵する性能を達成し、計算コストを6929$times$、LinFusionを5.42$times$の効率で上回る。
  論文  参考訳（メタデータ） (2025-04-30T03:57:28Z)
• Harnessing omnipresent oscillator networks as computational resource [0.0]
  本稿では,オシレータネットワークを計算資源として活用するための普遍的なフレームワークを提案する。 そこで我々は,倉本モデルに非線形目標系を強制し,目標系を訓練されたフィードバックループで置換した後,対象系をエミュレートする。
  論文  参考訳（メタデータ） (2025-02-07T10:42:01Z)
• Contrastive-Signal-Dependent Plasticity: Self-Supervised Learning in Spiking Neural Circuits [61.94533459151743]
  この研究は、スパイキングネットワークのシナプスを調整するための神経生物学的に動機づけられたスキームを設計することの課題に対処する。 我々の実験シミュレーションは、繰り返しスパイクネットワークを訓練する際、他の生物学的に証明可能なアプローチに対して一貫した優位性を示す。
  論文  参考訳（メタデータ） (2023-03-30T02:40:28Z)
• Continuous and time-discrete non-Markovian system-reservoir interactions: Dissipative coherent quantum feedback in Liouville space [62.997667081978825]
  2つの構造型貯水池に同時に露出する量子系について検討する。 対角線と対角線と外対角線の両方の貯留層相互作用を2倍のメモリと組み合わせた数値的精度の擬似2次元テンソルネットワークを用いて連続的および離散的遅延効果を示す。 例えば、離散フォトニックフィードバックと構造された音響フォノノノビアンモードの非マルコフ的相互作用を考察し、初期励起された2レベルシステム内での貯留層間相関と長寿命個体群トラップの出現を導いた。
  論文  参考訳（メタデータ） (2020-11-10T12:38:35Z)
• Training End-to-End Analog Neural Networks with Equilibrium Propagation [64.0476282000118]
  本稿では,勾配降下による終端から終端までのアナログニューラルネットワークの学習法を提案する。 数学的には、アナログニューラルネットワークのクラス(非線形抵抗性ネットワークと呼ばれる)がエネルギーベースモデルであることが示される。 我々の研究は、オンチップ学習をサポートする、超高速でコンパクトで低消費電力のニューラルネットワークの新世代の開発を導くことができる。
  論文  参考訳（メタデータ） (2020-06-02T23:38:35Z)
• Entanglement generation via power-of-SWAP operations between dynamic electron-spin qubits [62.997667081978825]
  表面音響波(SAW)は、圧電材料内で動く量子ドットを生成することができる。 動的量子ドット上の電子スピン量子ビットがどのように絡み合うかを示す。
  論文  参考訳（メタデータ） (2020-01-15T19:00:01Z)
• Switching dynamics of single and coupled VO2-based oscillators as elements of neural networks [55.41644538483948]
  本稿では,単一および結合型VO2系発振器の抵抗結合および容量結合によるスイッチングダイナミクスについて報告し,ニューラルネットワークへの応用の可能性について検討する。 抵抗結合については、結合抵抗の一定の値で同期が発生するが、不安定であり、同期故障が周期的に起こることが示されている。 容量結合については、弱い結合と強い結合を持つ2つの同期モードが見出され、これらのモード間の遷移はカオス振動を伴う。
  論文  参考訳（メタデータ） (2020-01-07T02:16:04Z)

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。