[論文レビュー] Reservoir Computing with Superconducting Electronics

Graham E. Rowlands, Minh-Hai Nguyen+6 more|arXiv (Cornell University)|Mar 3, 2021

Neural Networks and Reservoir Computing参考文献 18被引用数 11

ひとこと要約

本稿では、超伝導回路におけるソリトン力学を活用して高速信号処理を実現する物理的リザボアコンピューティング基盤として、超伝導ジュラルト伝送ライン（JTL）を提案する。遅延JTLを用いて、パリティ計算および100 Gb/sチャネルイコライゼーションで効果的な性能を達成しており、統合されたRSFQ論理によりネイティブレートで推論が可能であることを示し、ソリトンに基づくシステムがリザボアコンピューティングの高帯域幅基盤として有効であることを検証した。

ABSTRACT

The rapidity and low power consumption of superconducting electronics makes them an ideal substrate for physical reservoir computing, which commandeers the computational power inherent to the evolution of a dynamical system for the purposes of performing machine learning tasks. We focus on a subset of superconducting circuits that exhibit soliton-like dynamics in simple transmission line geometries. With numerical simulations we demonstrate the effectiveness of these circuits in performing higher-order parity calculations and channel equalization at rates approaching 100 Gb/s. The availability of a proven superconducting logic scheme considerably simplifies the path to a fully integrated reservoir computing platform and makes superconducting reservoirs an enticing substrate for high rate signal processing applications.

研究の動機と目的

• 超伝導エレクトロニクスが物理的リザボアコンピューティングの基盤として実現可能であるかを検討すること。
• ソリトン的ダイナミクスを示すジュラルト伝送ライン（JTL）が、パリティ計算やチャネルイコライゼーションなどの機械学習タスクを遂行する上でどの程度の性能を示すかを評価すること。
• 統合された超伝導論理（RSFQ）が、リザボアのネイティブ動作レートでリアルタイム推論を可能にし、後処理のボトル neck を回避できるかを実証すること。
• 特に、ジャンクションの電流バイアスが臨界電流に対してどのように影響を与えるかを含め、リザボアダイナミクスがタスク固有の性能に与える影響を調査すること。

提案手法

• リザボアは、伝送ラインに配置されたバイアス付きジュラルトジャンクション（JJs）の鎖として実装され、ソリトン的フラックスン励起が伝播し、複雑で非線形なダイナミクスを生成する。
• 入力信号は抵抗を介してJJsの一部に注入され、対称性を破り、計算的に豊富な非一様応答を誘発する。
• リザボアの出力は、特定のジャンクションにおける時間平均電圧として取得され、その後、線形回帰により訓練された出力重み行列を用いてデジタル処理される。
• システムは、JTLダイナミクスを記述する摂動を加えた離散サインゴン方程式の数値モデルを用いてシミュレートされる。
• 推論はパルスカウンティングおよびRSFQベースの乗算器を用いて高速化され、最大100 Gb/sのレートでリアルタイム処理が可能になる。
• 性能は、高次パリティ計算およびPAM-4チャネルイコライゼーションの2つのタスクで評価され、さまざまなバイアス領域と比較される。

実験結果

リサーチクエスチョン

• RQ1 ソリトンダイナミクスを示す超伝導JTLは、機械学習タスクのための効果的な物理的リザボアとして機能できるか？
• RQ2 ジュラルトジャンクションの臨界電流に対して電流バイアスをどのように設定するかが、パリティ計算およびチャネルイコライゼーションの性能に与える影響は何か？
• RQ3 統合された超伝導論理（RSFQ）は、リザボアのネイティブ速度でリアルタイム推論を可能にできるか、後処理のボトル neck を回避できるか？
• RQ4 このようなシステムが達成可能な最大データレートは何か？また、ハードウェア設計に応じてそのスケーリング特性はどのように変化するか？

主な発見

• JTLリザボアは、100 Gb/sに近いデータレートで高次パリティ計算およびPAM-4チャネルイコライゼーションを実行でき、高速JTL構成では40 GS/sの原始的出力レートを達成した。
• 遅延JTLを用いたPAM-4イコライゼーションでは10.5 Gb/s（2ビットシンボルで5.2 GS/s）の性能を達成し、適切なバイアスとフィルタリングにより性能が向上した。
• 入力電流が臨界電流（Ic）を通過するようにバイアスされたリザボアは、遷移部での大きな電圧変化により、バイナリパリティタスクで優れた性能を示した。一方、Icを超えるバイアスのリザボアは、チャネルイコライゼーションのような連続入力に対してより効果的であった。
• 入力がIcを通過する場合、常にIcを超えて動作させる場合と比較して、消費電力が約半分に抑えられた。これは、性能とエネルギー効率のトレードオフを示している。
• 統合されたRSFQ回路は、リザボアのネイティブレートで推論を実行でき、8ビット出力符号化が性能の大部分を保持したため、リアルタイム動作が可能となった。
• これらの結果は、ソリトンを支持する物理的システム（例：JTL）が、内在的なリザボアコンピューティング能力を有しており、このような基盤の広範な探索を支援するものであることを検証した。