• 2026年01月06日(火) 10:00 ~ 17:00

１．リザバーコンピューティングの特徴
　　（１）．いくつかの機械学習コンピューティングの紹介
　　　　ａ．人工ニューラルネットワークとリザバーコンピューティング：歴史的経緯
　　　　ｂ．確率的コンピューティング、イジングマシン、などとの比較
　　（２）．どのようなパターン情報処理が得意なのか
　　　　ａ．時系列データ解析の概要
　　　　ｂ．どのような仕組みが必要だろうか

　・リザバーコンピューティングは、再帰的ニューラルネットワークのニューロン間の結合定数を固定した特殊な形態を持つリザバーを用い、出力層の適応重みだけを計算タスクに対して学習し調整を行う。そのため高速な学習時間が最も大きな特徴といえます。このことで他のニューラルネットワークを用いた機械学習システムに比べて超低エネルギーなシステムでリアルタイムな適応が可能です。また、再帰型ネットワークの特徴によって、時系列データの機械学習パターン情報処理に優れた特性を発揮します。

２．物理リザバーコンピューティングの基礎
　　（１）．ソフトウエアベース
　　　　ａ．エコーステートネットワーク（ＥＳＮ）
　　　　ｂ．リキッドステートマシン（ＬＳＭ）
　　（２）．物理ダイナミクスベース
　　　　ａ．ＥＳＮと何が違うのか、どのような現象を利用するのか
　　　　ｂ．技術開発が必要な項目

・エコーステートネットワーク（ＥＳＮ）やリキッドステートマシン（ＬＳＭ）は、ソフトウエアベースで研究が進められているニューラルネットワークです。一方、物理リザバーコンピューティングは、非線形物理ダイナミクスをリザバーとして利用した形態で、ハードウエア実装が可能です。

３．物理リザバーコンピューティングの具体的な研究内容
　　（１）．物理リザバーコンピューティングの種類
　　　　ａ．どのような物理系が用いられてきたのか
　　　　ｂ．これまで開発されてきた技術
　　　　ｃ．システム構造と仕組みによる分類
　　（２）．これまで報告されてきた研究の具体例
　　　　ａ．構造物を用いた研究
　　　　ｂ．光学系を利用した研究
　　　　ｃ．電子デバイス、電子回路を利用した研究

・物理リザバーコンピューティングは、多くの非線形物理現を用いた報告があります。コンピューティング原理を追及する基礎研究から、ハードウエア応用を見据えた研究など、様々な形態で研究が進められています。

４．社会実装に向けた研究動向
　　（１）．これまでの応用寄りの研究紹介
　　　　ａ．応用例：発語認識、心電図・モーターの異常検知・予測、無線通信チャネル等価・復号、文字認識、顔・指紋認識、人間の行動認識と予測、センサ信号のマルチモーダル認識、ロボットアーム制御
　　（２）．どのような応用が適しているか

・リザバーコンピューティングは時系列データの機械学習パターン情報処理が得意であることから、それらを扱う幅広い分野での応用が期待されており、実装実験が多数報告されています。

５．そのほかのトピックス
　　（１）．他分野との関り
　　（２）．今後の発展のために必要な技術課題
　　（３）．今後の展望（オープンディスカッション）

オンラインセミナー