要約
エレメンタリー セルラー オートマトン (ECA) は、その単純な構成にもかかわらず、驚くほど多様な計算が可能な、よく研究された計算宇宙です。
この計算を有用な方法で収集することは歴史的に困難であることが示されていますが、リザーバー コンピューティング (RC) と組み合わせると、これははるかに実現可能になります。
さらに、RC と ECA はエネルギー効率の高い AI を可能にし、この組み合わせはエッジ AI の有望なコンセプトになります。
この研究では、ECA を Partially-Local CA (PLCA) および Homogeneous Homogeneous Random Boolean Networks (HHRBN) の基板と対比します。
これに比べて、これらは ECA のトポロジー的異種対応物です。
これは、ECA からより生物学的に妥当な基質へのステップを表しています。
これらの基板を RC ベンチマーク (5 ビット メモリ) でテストし、時間デリダ プロットを使用して感度を推定し、欠陥崩壊率を評価することで分析します。
直観に反することに、無秩序なトポロジーは必ずしも無秩序な計算を意味するわけではないことがわかりました。
トポロジの不完全性による計算上の「力」に対抗することがあり、これがより高い崩壊率 (順序) をもたらしますが、考慮に入れれば、初期条件に対する感度も高まります。
これらの観察結果を総合すると、臨界範囲が縮小していることが示唆されます。
要約(オリジナル)
Elementary Cellular Automata (ECA) are a well-studied computational universe that is, despite its simple configurations, capable of impressive computational variety. Harvesting this computation in a useful way has historically shown itself to be difficult, but if combined with reservoir computing (RC), this becomes much more feasible. Furthermore, RC and ECA enable energy-efficient AI, making the combination a promising concept for Edge AI. In this work, we contrast ECA to substrates of Partially-Local CA (PLCA) and Homogeneous Homogeneous Random Boolean Networks (HHRBN). They are, in comparison, the topological heterogeneous counterparts of ECA. This represents a step from ECA towards more biological-plausible substrates. We analyse these substrates by testing on an RC benchmark (5-bit memory), using Temporal Derrida plots to estimate the sensitivity and assess the defect collapse rate. We find that, counterintuitively, disordered topology does not necessarily mean disordered computation. There are countering computational ‘forces’ of topology imperfections leading to a higher collapse rate (order) and yet, if accounted for, an increased sensitivity to the initial condition. These observations together suggest a shrinking critical range.
arxiv情報
| 著者 | Tom Eivind Glover,Ruben Jahren,Francesco Martinuzzi,Pedro Gonçalves Lind,Stefano Nichele |
| 発行日 | 2024-07-25 13:08:24+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google