The 81st JSAP Autumn Meeting, 2020

Presentation information

Oral presentation

FS Focused Session "AI Electronics" » FS.1 Focused Session "AI Electronics"

[9p-Z28-1~19] FS.1 Focused Session "AI Electronics"

Wed. Sep 9, 2020 1:30 PM - 7:00 PM Z28

Tetsuya Asai(Hokkaido Univ.), Nakajima Mitsumasa(NTT)

3:45 PM - 4:00 PM

[9p-Z28-9] [Highlight]Physical reservoir fabrication by various materials

Hirofumi Tanaka1,2, Kotooka Takumi1, Banerjee Deep1, Hadiyawarnam T.1,2, Azhari Saman1,2, Usami Yuki1,2 (1.LSSE, Kyushu Inst. Tech., 2.Neumorph Center, Kyushu Inst. Tech.)

Keywords:reservoir, random network structure, many electrodes

リカレントニューラルネットワークの一種であるリザバー演算は、多電極からの出力重みの学習のみを必要とし、高効率でより速い予測や分類タスクが可能と期待されている。非線形性、メモリ効果、高次元性といったリザバーの特性を反映した物理的なハードウェアプラットフォームは、現状のソフトウェアベースのインターフェースに代替できるとして注目されている。本研究では、我々がすでにリザバーとしての有効性を確認している単層カーボンナノチューブ(SWNT)/ポリオキソメタレート集合体、Ag/Ag2S微粒子集合体、Ag/Ag2Seナノワイヤー集合体など多様な材料を利用したランダムネットワークを構築し物理的リザバーとした際の電気測定結果を紹介する。また、波形生成と非線形自己回帰移動平均(NARMA)時系列予測の2つのベンチマークタスクの結果を比較し、どの材料がリザバー演算にとって有効なのか検討する。