상관 광 저수지 컴퓨팅

초록 저수지 컴퓨팅은 간단하지만 효율적인 순환 신경망으로, 다양한 학습 작업에 적용되어 왔습니다. 그러나 최근 몇 년 동안 데이터의 급속한 증가를 고려할 때, 그 능력은 더욱 향상될 것으로 기대됩니다. 반대로, 입자의 상관관계에 데이터를 인코딩하는 것이 정보 처리 향상을 위한 훌륭한 전략으로 나타났으며, 그 대표적인 예가 양자 저수지 컴퓨팅의 체계입니다. 이 체계는 이론적으로 많이 연구되었지만 현재 단계에서 양자 게이트 품질이 만족스럽지 않아 실험적 구현이 계속 어려운 상황입니다. 여기에서는 양자 영감을 받은 고전 광의 상관관계를 사용하여 학습 작업의 데이터를 인코딩하는 방안을 이론적으로 제안하고 실험적으로 입증합니다. 이는 새로운 저수지 컴퓨팅 방식입니다. 이 방식은 컴퓨팅을 위한 상관관계의 장점과 상관관계를 생성하기 위한 고전 시스템의 안정성을 결합한 것으로, 상관 광 저수지 컴퓨팅이라고 부릅니다. 우리의 실험 결과는 이론적 계산과 훌륭하게 일치하며, 이 체계의 타당성과 가능성을 보여줍니다. 우리의 제안은 향상된 저수지 컴퓨팅을 위한 새로운 경로를 열어주며, 이는 빅데이터 시대의 정보 처리에 도움이 될 것입니다.