Harnessing Synthetic Active Particles for Physical Reservoir Computing

要約

情報の処理は、非常に複雑な活動プロセスのネットワークによって実現される生命システムにとって不可欠な特性です。
これらは現代の機械学習の多くの変形にインスピレーションを与え、そのうちの 1 つがリザーバー コンピューティングです。このコンピューティングでは、フェーディング メモリでノードのネットワークを刺激することで計算と複雑な予測が可能になります。
リザーバーはコンピューター ハードウェア上に実装されますが、物理リザーバー コンピューティングとして要約されることが多い機械振動子、スピン、バクテリアなどの型破りな物理基板にも実装されます。
ここでは、アクティブおよびパッシブコンポーネントから本質的にノイズの多い非線形動的ユニットに自己組織化する合成アクティブ微粒子システムを使用した物理リザーバーコンピューティングを実証します。
ユニットの自己組織化と動的応答は、受動的ターゲットへのマイクロスイマーの推進の遅延の結果です。
遅延応答による自己結合を備えたこのようなユニットのリザーバーは、マイクロスイマーのブラウン運動から生じる強いノイズにもかかわらず、予測タスクを実行できます。
効率的なノイズ抑制を実現するために、出力に履歴のリザーバー状態を使用する特別なアーキテクチャを導入します。
私たちの結果は、合成自己組織化活性粒子システムにおける情報処理の研究への道を開きます。

要約(オリジナル)

The processing of information is an indispensable property of living systems realized by networks of active processes with enormous complexity. They have inspired many variants of modern machine learning one of them being reservoir computing, in which stimulating a network of nodes with fading memory enables computations and complex predictions. Reservoirs are implemented on computer hardware, but also on unconventional physical substrates such as mechanical oscillators, spins, or bacteria often summarized as physical reservoir computing. Here we demonstrate physical reservoir computing with a synthetic active microparticle system that self-organizes from an active and passive component into inherently noisy nonlinear dynamical units. The self-organization and dynamical response of the unit is the result of a delayed propulsion of the microswimmer to a passive target. A reservoir of such units with a self-coupling via the delayed response can perform predictive tasks despite the strong noise resulting from Brownian motion of the microswimmers. To achieve efficient noise suppression, we introduce a special architecture that uses historical reservoir states for output. Our results pave the way for the study of information processing in synthetic self-organized active particle systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google