東京大学の研究者によって開発された新しいアルゴリズムにより、の オ ン ラ イ ン カ ジ ノデバイスの効率的かつ正確な検証が可能になります。
の オ ン ラ イ ン カ ジ ノ機械的動作を利用するテクノロジー（入力データと出力データとしての オ ン ラ イ ン カ ジ ノ情報を使用するデバイスなど）は、近い将来より多くの主流アプリケーションを持つ可能性があります。
これらのの オ ン ラ イ ン カ ジ ノデバイスは、固有の不確実性の結果として慎重に検証する必要があります。これは、出力が過去の入力に依存するときにデバイスが時間依存している場合、検証プロセスがより困難であることが証明されるためです。
時間依存のの オ ン ラ イ ン カ ジ ノデバイスの検証
これで、研究者は機械学習を使用して、これらのシステムに存在する特定のメモリ効果を統合することにより、時間依存のの オ ン ラ イ ン カ ジ ノデバイスの検証の効率を大幅に向上させました。
の オ ン ラ イ ン カ ジ ノコンピューターは科学コミュニティにとって大きな関心事ですが、これらの魅力的なマシンはまだ初期段階にあります。ただし、の オ ン ラ イ ン カ ジ ノインターネットがより実現可能になる場合があります。
の オ ン ラ イ ン カ ジ ノインターネットを構築できるデバイスの多くの教義が解決されたかもしれませんが、これらを製品として認識するために考慮する必要がある多くのエンジニアリングの課題があります。 ただし、の オ ン ラ イ ン カ ジ ノデバイスの設計のためのツールを開発するための多くの研究が進行中です。
ポスドク研究者Quoc Hoan Tranと准教授Nakajima准教授情報科学技術の学部のKohei Nakajima東京大学そのようなツールを確立しました。これにより、の オ ン ラ イ ン カ ジ ノデバイスの動作を現在よりも効果的かつ正確な取り組みにすることができると考えています。
機械学習ツール
彼らが開発したツールは、の オ ン ラ イ ン カ ジ ノ入力と出力の関係を研究することにより、時間依存のの オ ン ラ イ ン カ ジ ノデバイスの動作を再構築できるアルゴリズムです。この方法は、古典的な物理システムを調査するときは一般的ですが、の オ ン ラ イ ン カ ジ ノ情報は保存するのがより困難であるため、通常は不可能になります。
「入力と出力に基づいたの オ ン ラ イ ン カ ジ ノシステムを記述する手法は、の オ ン ラ イ ン カ ジ ノプロセス断層撮影と呼ばれます」とTranは説明しました。 「しかし、多くの研究者は現在、彼らのの オ ン ラ イ ン カ ジ ノシステムが以前の状態によって影響を受けるいくつかの種類の記憶効果を示すと報告しています。
トランとナカジマは機械学習および新しいアルゴリズムを開発するためのの オ ン ラ イ ン カ ジ ノ貯水池コンピューティングとして知られる方法。これにより、の オ ン ラ イ ン カ ジ ノシステムで時間とともに変化する入力と出力のパターンが学習され、アルゴリズムがまだ目撃していない状況でさえ、これらのパターンがどのように変化するかを効率的に予測します。
の オ ン ラ イ ン カ ジ ノシステムの内部の仕組みをより経験的な方法として知る必要はないので、入力と出力のみが、研究者のアルゴリズムをより簡単に生成できます。
「現在、アルゴリズムは特定の種類のの オ ン ラ イ ン カ ジ ノシステムをエミュレートできますが、仮想デバイスの処理能力は大きく異なり、メモリ効果が異なる場合があります。 したがって、研究の次の段階は、アルゴリズムの能力を広げ、本質的により一般的な目的を作り、したがってより有用なものを作ることです」とTranは付け加えました。
