[논문 리뷰] Scalable platform enabling reservoir computing with nanoporous oxide memristors for image recognition and time series prediction

Joshua R. Donald, Ben A. Johnson외 6명|arXiv (Cornell University)|2026. 02. 04.

Advanced Memory and Neural Computing인용 수 0

한 줄 요약

본 논문은 고유의 무작위 나노포를 갖는 나이오븀 산화물 기반의 박막 멤리스터를 물리적 리저버로 활용하여 리저버 컴퓨팅을 수행하고, 세 출력 리드아웃을 가진 세 출력 리저버를 이용해 XOR, 이미지 인식, 시계열 예측/재구성에 도달한다.

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.

연구 동기 및 목표

• 시공간 신호를 처리하기 위한 시간 및 에너지 효율적인 접근법으로 리저버 컴퓨팅을 촉진한다.
• 리저버 컴퓨팅을 위한 고유의 구조적 무작위성을 갖는 나이오븀 산화물 기반 박막 멤리스터를 소개한다.
• 물리적 리저버를 이용한 XOR, 이미지 인식, Lorenz-63 시계열 예측 등 계산 작업을 입증한다.

제안 방법

• 내재하는 비균일성을 만들기 위해 무작위 나노포를 갖는 나이오븀 산화물 기반 박막 멤리스터를 제작한다.
• 소자에 세 가지 다른 시간적 전압 파형을 적용한다.
• 세 출력 물리 리저버의 전류 신호를 사용하여 리드아웃 계층을 학습시킨다.
• XOR, 이미지 인식, Lorenz-63 시계열 예측/재구성에 대한 성능을 평가한다.
• 리저버가 없는 시나리오와의 성능을 비교하여 리저버의 기여를 확립한다.

실험 결과

연구 질문

• RQ1 나노다공성 산화물 멤리스터가 리저버 컴퓨팅 과제의 효과적인 물리적 리저버로 작용할 수 있는가?
• RQ2 이와 같은 리저버의 XOR 연산, 이미지 인식, 혼돈 시계열 예측에 대한 역량은 무엇인가?
• RQ3 멤리스터 리저버에 세 출력 리드아웃을 통합하는 것이 비 리저버 방식에 비해 예측 및 재구성 정확도를 향상시키는가?

주요 결과

• 고유의 나노포 유도 무작위성을 갖는 나이오븀 산화물 멤리스터가 물리적 리저버로 기능할 수 있다.
• 소자의 세 출력 리드아웃은 XOR, 이미지 인식, Lorenz-63 시계열 예측/재구성을 지원한다.
• 리저버 기반 접근 방식은 리저버가 없는 경우에 비해 예측 및 재구성 정확도가 만족스럽다.
• 본 연구는 에너지 효율적인 뉴로모픽 전자공학을 위한 확장 가능하고 칩내 전부 산화물 리저버 시스템의 가능성을 보여준다.
• 결과는 확장 가능한 플랫폼에서 멈리스터 기반 리저버로 시계열 신호를 다룰 가능성을 강조한다.