[23p-E102-1~14] FS.1 フォーカストセッション「AIエレクトロニクス」

[23p-E102-13] 拡張DFA法による物理ニューラルネットの訓練とその光電実装

〇中島 光雅¹、井上 克馬²、田仲 顕至、國吉 康夫²、橋本 俊和¹、中嶋 浩平² (1.NTT先デ研、2.東大)

キーワード：リザバーコンピューティング、機械学習、ニューラルネット

光波やスピン等の様々な物理ダイナミクスを利用した物理ニューラルネット(PNN)が着目されている。性能向上に向けては、PNNの多層化が有効であるが、誤差逆伝搬法をはじめとするディジタル処理に特化した学習方法は、PNNには適していない。本稿では、生物学的な妥当性を鑑みた学習方法であるDFAに基づいた学習法を提案する。また、ディープリザーバコンピュータの光電実装を介してその有効性を実証する。