[論文レビュー] Scalable platform enabling reservoir computing with nanoporous oxide memristors for image recognition and time series prediction

Joshua R. Donald, Ben A. Johnson+6 more|arXiv (Cornell University)|Feb 4, 2026

Advanced Memory and Neural Computing被引用数 0

ひとこと要約

要旨：本論文は、内在的なランダムなナノポアを物理的リザーバとして機能させる酸化-niobium薄膜メモリスタを示し、三出力リードアウトを持つリザーバを用いてXOR、画像認識、時系列予測/再構成を達成する。三出力リザーバを用いた三出力リザーバの読み出しで取得する。

ABSTRACT

Typical mammal brains have some form of random connectivity between neurons. Reservoir computing, a neural network approach, uses random weights within its processing layer along with built-in recurrent connections and short-term, fading memory, and is shown to be time and training efficient in processing spatiotemporal signals. Here we prepared a niobium oxide-based thin film memristor device with intrinsic structural in-homogeneity in the form of random nanopores and performed computational tasks of XOR operations, image recognition, and time series prediction and reconstruction. For the latter task we chose a complex three-dimensional chaotic Lorenz-63 time series. By applying three temporal voltage waveforms individually across the device and training the readout layer with electrical current signals from a three-output physical reservoir, we achieved satisfactory prediction and reconstruction accuracy in comparison to the case of no reservoir. This work highlights the potential for scalable, on-chip devices using all-oxide reservoir systems, paving the way for energy-efficient neuromorphic electronics dealing with time signals.

研究の動機と目的

• 時空間信号の処理においてリザーバコンピューティングを時間・エネルギー効率の高いアプローチとして動機づける。
• リザーバコンピューティングのための内在的構造ランダム性を持つ酸化ニオブ薄膜メモリスタを紹介する。
• XOR、画像認識、Lorenz-63時系列予測を物理リザーバを用いて実証する。

提案手法

• ランダムナノポアを持つ酸化ニオブ基薄膜メモリスタを製作し、 intrinsicな不均質性を作り出す。
• デバイスに3つの異なる時間的電圧波形を適用する。
• 3出力物理リザーバからの電流信号を用いて読み出し層を訓練する。
• XOR、画像認識、Lorenz-63時系列予測/再構成の性能を評価する。
• リザーバなしのシナリオと比較してリザーバの寄与を確立する。

実験結果

リサーチクエスチョン

• RQ1 nanoporous oxide memristorはリザーバコンピューティング課題の物理的リザーバとして有効か。
• RQ2 そのようなリザーバはXOR演算、画像認識、カオス的時系列予測においてどの程度の能力を持つか。
• RQ3 メモリスタリザーバと三出力読み出しを組み合わせることは、リザーバなしアプローチと比較して予測・再構成精度を向上させるか。

主な発見

• 内在的なナノポア誘発のランダム性を持つ酸化ニオブメモリスタは物理リザーバとして機能し得る。
• デバイスからの三出力読み出しはXOR、画像認識、Lorenz-63時系列予測/再構成をサポートする。
• リザーバベースのアプローチはリザーバなしの場合と比較して満足すべき予測および再構成精度を示す。
• エネルギー効率の高いニューロモルフィック電子機器のためのスケーラブルでオンチップ、全酸化物リザーバシステムの可能性を示す。
• メモリスタベースのリザーバを用いた時系列処理をスケーラブルなプラットフォームで実現する展望を示す。