リアルタイムチャネル等化に適用されたオプトエレクトロニクス貯水池コンピュータのオンライントレーニング

貯水池コンピューティングは、時間依存信号を処理するための生物にインスパイアされた計算パラダイムです。そのアナログ実装の性能は、音声認識や混沌とした時系列予測などのタスクに対して最先端の他のアルゴリズムと同等ですが、これらはしばしば一般的に使用されるオフライントレーニング手法に制約されています。ここでは、フィールドプログラマブルゲートアレイチップ上でプログラムされた単純な勾配降下アルゴリズムを使用して、オプトエレクトロニクス貯水池コンピュータをトレーニングするオンライン学習アプローチを調査しました。我々のシステムは、非線形に歪んだチャネルを等化するための高速アナログデバイスの需要が高まっている急成長する無線通信分野に適用されました。このタスクにおいて、以前の実装に比べて最大2桁低いエラー率を報告します。我々のシステムは、漂流チャネルおよびスイッチングチャネルのテストを通じて、現実的なチャネル等化に特に適していることを示し、良好なパフォーマンスを得ました。