論文の概要: Neuromorphic Computing Based on Parametrically-Driven Oscillators and Frequency Combs
- arxiv url: http://arxiv.org/abs/2604.21861v1
- Date: Thu, 23 Apr 2026 16:57:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-24 14:40:06.772547
- Title: Neuromorphic Computing Based on Parametrically-Driven Oscillators and Frequency Combs
- Title（参考訳）: パラメトリック駆動振動子と周波数コムに基づくニューロモルフィックコンピューティング
- Abstract要約: 2:1パラメトリック共鳴を示す2モードシステムについて検討し,その動作を貯水池コンピュータとして示す。
パラメトリック共振系において最適計算性能が得られた。
また、入力変調、周波数整合条件からのデチューニング、減衰率、入力データレートが、アクセス可能な動的レジームを体系的に制御することを示した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Parametrically driven oscillators provide a natural platform for neuromorphic computation, where nonlinear mode coupling and intrinsic dynamics enable both memory and high-dimensional transformation. Here, we investigate a two-mode system exhibiting 2:1 parametric resonance and demonstrate its operation as a reservoir computer across distinct dynamical regimes, including sub-threshold, parametric resonance, and frequency-comb states. By encoding input signals into the drive amplitude and sampling the resulting temporal and spectral responses, we perform one step-ahead prediction of benchmark chaotic systems, including Mackey-Glass, Rossler, and Lorenz dynamics. We find that optimal computational performance is achieved within the parametric resonance regime, where nonlinear interactions are activated while temporal coherence is preserved. In contrast, although frequency-comb states introduce increased spectral dimensionality, their performance is not consistently good across their existence band and also degrades in the chaotic comb regime due to loss of phase coherence. Mapping prediction error over parameter space reveals a direct correspondence between computational capability and the underlying bifurcation structure, with low-error regions aligned with the parametric resonance boundary. We further show that the input modulation, the detuning from the frequency matching condition, damping ratio, and input data rate systematically control the accessible dynamical regimes and thereby the computational performance. These results establish parametric resonance as a robust operating regime for oscillator-based reservoir computing and provide design principles for tuning physical systems toward optimal neuromorphic functionality.
- Abstract（参考訳）: パラメトリック駆動型発振器は、非線形モード結合と固有ダイナミクスがメモリと高次元変換の両方を可能にする、ニューロモルフィック計算の自然なプラットフォームを提供する。
本稿では,2:1パラメトリック共鳴を示す2モードシステムについて検討し,サブスレッショルド,パラメトリック共鳴,周波数コム状態など,異なる動的状態にまたがる貯水池コンピュータとしての機能を示す。
入力信号を駆動振幅に符号化し、時間およびスペクトル応答をサンプリングすることにより、マッキーグラス、ロスラー、ローレンツダイナミクスなどのベンチマークカオスシステムのステップアヘッド予測を行う。
時間的コヒーレンスを維持しながら非線形相互作用を活性化するパラメトリック共振系において,最適計算性能が得られた。
対照的に、周波数コム状態はスペクトル次元の増大をもたらすが、その特性は存在バンド全体で一貫して良好ではなく、位相コヒーレンスが失われることによってカオスコム状態が低下する。
パラメータ空間上の写像誤差は、計算能力と基礎となる分岐構造との間の直接対応を示し、パラメトリック共鳴境界に一致した低エラー領域を持つ。
さらに、入力変調、周波数整合条件からのデチューニング、減衰率、入力データレートが、アクセス可能な動的状態を体系的に制御し、計算性能を向上することを示す。
これらの結果は、発振器ベースの貯水池コンピューティングのロバストな運用形態としてパラメトリック共鳴を確立し、物理系を最適なニューロモルフィック機能にチューニングするための設計原則を提供する。
関連論文リスト
- Parametric and feedback-controlled multiparameter quantum estimation in a double cavity optomechanics: steady and dynamical state [0.0]
2つのメカニカルモードが駆動光キャビティと相互作用する結合キャビティ・オプティメカニカル・プラットフォームについて検討する。
我々は、コヒーレントフィードバックが量子ゆらぎとパラメータ依存の相関関係を工学するために調整可能な資源として機能することを発見した。
論文 参考訳（メタデータ） (2026-09-04T17:48:44Z) - KoopGen: Koopman Generator Networks for Representing and Predicting Dynamical Systems with Continuous Spectra [65.11254608352982]
生成元をベースとしたニューラル・クープマン・フレームワークを導入し,構造的かつ状態に依存したクープマン・ジェネレータの表現を通じて動的にモデル化する。
固有のカルテス分解をスキュー結合および自己結合成分に利用することにより、KoopGenは可逆的な散逸から保守的な輸送を分離する。
論文 参考訳（メタデータ） (2026-02-15T06:32:23Z) - Dynamical Phase Transitions Across Slow and Fast Regimes in a Two-Tone Driven Duffing Resonator [36.94429692322632]
二色励起下でダッフィング共振器について検討し、両駆動間の競合を同定する。
音色が密集した緩やかな拍動状態において、二次駆動は動的相転移を引き起こす変調として機能する。
本研究は, 駆動非線形システムの制御, 状態操作, ナノメカニカル, 光, 超伝導回路プラットフォームにおけるセンシングを実現するためのフレームワークを提供する。
論文 参考訳（メタデータ） (2025-11-03T19:00:24Z) - Parametric resonance and nonlinear dynamics in a coupled double-pendulum system [4.364587148820591]
ラグランジュ力学の枠組みにおける衝突結合型二重振り子系について検討する。
実験により、パラメトリック共鳴は特性周波数比範囲内で一貫して起こることが示された。
また、適度な周波数での周期運転では、周期状態に安定化するためには、初期摂動が必要となる。
論文 参考訳（メタデータ） (2025-09-10T11:29:30Z) - Denoising and Reconstruction of Nonlinear Dynamics using Truncated Reservoir Computing [0.0]
本稿では,ノイズフィルタリングと非線形力学の再構成のための新しいReservoir Computing(RC)法を提案する。
動的パラメータにおける雑音強度, 雑音周波数, および劇的なシフトの観点から, RCの性能について検討した。
このフレームワークは低信号対雑音比と高周波範囲で競合精度を得る。
論文 参考訳（メタデータ） (2025-04-17T21:47:13Z) - Generative System Dynamics in Recurrent Neural Networks [56.958984970518564]
リカレントニューラルネットワーク(RNN)の連続時間ダイナミクスについて検討する。
線形および非線形構成の両方において安定な極限サイクルを実現するためには,スキュー対称性の重み行列が基本であることを示す。
数値シミュレーションは、非線形活性化関数が極限周期を維持するだけでなく、システム統合プロセスの数値安定性を高めることを示す。
論文 参考訳（メタデータ） (2025-04-16T10:39:43Z) - Efficient Transformed Gaussian Process State-Space Models for Non-Stationary High-Dimensional Dynamical Systems [49.819436680336786]
本研究では,高次元非定常力学系のスケーラブルかつ柔軟なモデリングのための効率的な変換ガウス過程状態空間モデル(ETGPSSM)を提案する。
具体的には、ETGPSSMは、単一の共有GPと入力依存の正規化フローを統合し、複雑な非定常遷移ダイナミクスを捉える前に、表現的な暗黙のプロセスを生成する。
ETGPSSMは、計算効率と精度の観点から、既存のGPSSMとニューラルネットワークベースのSSMより優れています。
論文 参考訳（メタデータ） (2025-03-24T03:19:45Z) - Efficiency of Dynamical Decoupling for (Almost) Any Spin-Boson Model [44.99833362998488]
構造ボソニック環境と結合した2レベル系の動的疎結合を解析的に検討した。
このようなシステムに対して動的疎結合が機能する十分な条件を見つける。
私たちの境界は、様々な関連するシステムパラメータで正しいスケーリングを再現します。
論文 参考訳（メタデータ） (2024-09-24T04:58:28Z) - KFD-NeRF: Rethinking Dynamic NeRF with Kalman Filter [49.85369344101118]
KFD-NeRFは,Kalmanフィルタに基づく効率的かつ高品質な運動再構成フレームワークと統合された,新しい動的ニューラル放射場である。
我々のキーとなる考え方は、動的放射場を、観測と予測という2つの知識源に基づいて時間的に異なる状態が推定される動的システムとしてモデル化することである。
我々のKFD-NeRFは、同等の計算時間と最先端の視線合成性能で、徹底的な訓練を施した類似または優れた性能を示す。
論文 参考訳（メタデータ） (2024-07-18T05:48:24Z) - Convergence of Iterative Quadratic Programming for Robust Fixed-Endpoint Transfer of Bilinear Systems [0.0]
両線形アンサンブル系の固定終端転送のための開ループ最小ノルム制御合成法を提案する。
2段階の計算を用いて、まず所望の端末状態への転送を保証し、次に制御関数のノルムを最小化する。
論文 参考訳（メタデータ） (2024-03-26T22:24:11Z) - Autoencoder-driven Spiral Representation Learning for Gravitational Wave
Surrogate Modelling [47.081318079190595]
オートエンコーダを用いた経験的係数における基礎構造の存在について検討する。
ニューラルネットワークの第一層として使用される学習可能なパラメータを持つスパイラルモジュールを設計し,入力空間を係数にマッピングする方法を学習する。
スパイラルモジュールは複数のニューラルネットワークアーキテクチャ上で評価され、ベースラインモデルよりも一貫して速度-精度のトレードオフを実現している。
論文 参考訳（メタデータ） (2021-07-09T09:03:08Z)
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。