Robustly optimal dynamics for active matter reservoir computing

要約

貯水池コンピューティング（RC）パラダイムにおけるアクティブ物質の情報処理能力を研究し、外部から駆動されるモデルを使用して混oticとした信号の将来の状態を推測します。
シミュレートされたシステムは、以前に報告されたモデルに密接に従います。
これまで見落とされてきたエージェントダイナミクスの例外的なダイナミカルレジームを明らかにします。
さまざまな物理パラメーターと推論タスクにわたって堅牢に最適であるように見え、物理システムとの計算と推論に関する貴重な洞察をより一般的に提供します。
情報処理のための効果的なメカニズムを形成する能力は、主にシステム自身の固有の弛緩能力によって決定されます。
これらは、特定の推論の目標なしでシステムを調査するときに識別でき、最小限の単粒粒子貯留層をテストするときにマニフェストします。
最適な計算を達成するレジームは、複数の段階での顕微鏡動的緩和を含む、臨界減衰閾値のすぐ下にあります。
最適なシステムは、準定常状態と非常に非線形の動的状態の間の迅速な交互のように現れる応答メカニズムの多様性のために、混oticとした外部駆動の下で適応できます。
コヒーレントダイナミクスと一貫性のないダイナミクスの両方が、一部はスペースと遅延時間の異なるスケールで、その操作に貢献します。
エージェントのダイナミクスの相関は、応答システムと変動するドライバーとの間の最良のパフォーマンスのある体制と厳しい関係の発見を示しています。
この計算モデルは物理的に解釈できるため、学習と型破りなコンピューティングに関する調査と、平衡状態からの多体物理学の新鮮な理論的根拠を備えた再編成を促進します。

要約(オリジナル)

We study the information processing abilities of active matter in the reservoir computing (RC) paradigm, using a model that is externally driven to infer the future state of a chaotic signal. The simulated system closely follows a previously reported model. We uncover an exceptional dynamical regime of agent dynamics that has been overlooked heretofore. It appears robustly optimal across varying physical parameters and inference tasks, thus providing valuable insights into computation and inference with physical systems more generally. The ability to form effective mechanisms for information processing are primarily determined by the system’s own intrinsic relaxation abilities. These are identifiable when probing the system without a specific inference goal and manifest when testing minimalistic single-particle reservoirs. The regime that achieves optimal computation is situated just below the critical damping threshold, involving a microscopic dynamical relaxation with multiple stages. The optimal system is adaptable under chaotic external driving, due to a diversity in response mechanisms that emerge like rapid alternations between quasi-stationary and highly nonlinear dynamical states. Both coherent and incoherent dynamics contribute to their operation, partly at dissimilar scales of space and delay time. Correlations on agent dynamics can indicate the best-performing regimes and onsets of tight relationships between the responding system and the fluctuating driver. As this model of computation is interpretable in physical terms, it facilitates re-framing inquiries regarding learning and unconventional computing with a fresh rationale for many-body physics out of equilibrium.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google