- Изучение преимуществ квантовой механики для резервуарных вычислений (arXiv)
Автор: Никлас Геттинг, Фредерик Лохоф, Кристофер Гиз.
Аннотация: Квантовые резервуарные вычисления — это новая область машинного обучения с квантовыми системами. В то время как классические резервуарные вычисления оказались способной концепцией машинного обучения в реальных сложных динамических системах со многими степенями свободы, преимущества их квантового аналога еще предстоит полностью изучить. Здесь мы устанавливаем связь между квантовыми свойствами квантового резервуара, а именно запутанностью и размерностью занимаемого им фазового пространства, и его линейной производительностью кратковременной памяти. Мы обнаружили, что высокая степень запутанности в резервуаре является предпосылкой для более сложной динамики резервуара, что является ключом к раскрытию экспоненциального фазового пространства и более высокой емкости кратковременной памяти. Мы количественно оцениваем эти отношения и обсуждаем влияние расфазировки на работу физического квантового резервуара.
2. Новая парадигма расчета резервуаров с использованием гидродинамики (arXiv)
Автор: Джулия Маркуччи, Пьерджорджо Карамазца, Шамит Шривастава.
Аннотация: Нелинейные волны сыграли историческую роль в закладке основ науки о сложности. Недавно они также позволили разработать новую парадигму резервуарных вычислений: нейроморфные вычисления с помощью волн. В этих системах передача информации действует как возбуждение волновой динамики, чья эволюция обрабатывает информацию для выполнения сложных задач при низком потреблении энергии. Чтобы использовать нелинейные гидродинамические волны для вычислений, мы разработали вычислительную машину Aqua-Photonic-Advantaged с искусственными нейронными сетями (Aqua-PACMANN), систему, в которой распространение волн на мелководье является ведущим физическим явлением, а наличие электроники может быть уменьшается до ПЗС-камеры при обнаружении. Мы показываем реализацию логического вентиля XNOR в качестве доказательства концепции архитектуры Aqua-PACMANN и прокладываем путь к новому классу гидродинамических нейроморфных вычислений.
