通过数字双胞胎远程训练水库计算机

科学领域:

• 光电子产品
• 计算科学
• 人工智能

背景情况:

• 传统的信息处理需要更多的能量.
• 对低能耗应用的光学和光电子容器计算的潜力.
• 由于计算成本和矩阵运算,训练库计算的挑战.

研究的目的:

• 提出并验证使用数字双胞胎进行储备计算的远程培训方法.
• 在没有特定任务中断的情况下对物理储存器进行连续推断.
• 减少与训练水库输出重量相关的计算复杂性.

主要方法:

• 开发两个数字双胞胎模型:基于微分方程和深度神经网络 (DNN).
• 使用这些数字双胞胎实施远程培训策略.
• 在时间序列预测任务中使用光电子储存器的实验数据进行验证 (Santa Fe激光器).

主要成果:

• 这两种数字双胞胎模型都成功地复制了光电子储的动态.
• 实现了准确的预测,重量可以从数字双胞胎转移到物理储存器.
• 基于方程的模型显示出更高的预测准确性;DNN模型显示出更好的超参数稳定性.

结论:

• 数字双胞胎提供了一个有效的远程训练储计算系统的方法.
• 拟议的方法使得物理储库的连续运行成为可能.
• 这使光学和光电子计算系统的训练更有效,更简单.