[论文解读] 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 0

一句话总结

论文展示了一种基于铌酸氧化物的薄膜忆阻器，具有固有的随机纳米孔，可作为物理储存库用于储存—计算，利用三输出读取对于三输出储存库实现 XOR、图像识别和时序预测/重建。

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.

研究动机与目标

• 将储存库计算作为处理时空信号的时效性与能耗友好的方法来激励研究。
• 引入具有固有结构随机性的铌酸氧化物基薄膜忆阻器用于储存库计算。
• 演示包括 XOR、图像识别和 Lorenz-63 时序预测的计算任务，利用物理储存库。

提出的方法

• 制备具有随机纳米孔的铌酸氧化物基薄膜忆阻器以创建固有非均匀性。
• 在器件上施加三种不同的时序电压波形。
• 使用来自三输出物理储存库的电流信号对读取层进行训练。
• 在 XOR、图像识别和 Lorenz-63 时序预测/重构上评估性能。
• 将性能与无储存库的情形进行比较，以确立储存库的贡献。

实验结果

研究问题

• RQ1 纳米孔氧化物忆阻器能否作为有效的物理储存库来完成储存库计算任务？
• RQ2 这样的储存库在 XOR 运算、图像识别和混沌时序预测方面具备哪些能力？
• RQ3 将三输出读取与忆阻器储存库结合是否比非储存库方法在预测和重构精度上有所提升？

主要发现

• 具有固有纳孔随机性的铌酸氧化物忆阻器可以作为物理储存库使用。
• 器件的三输出读取支持 XOR、图像识别和 Lorenz-63 时序预测/重构。
• 相对于无储存库的情形，基于储存库的方法在预测和重构精度方面具有令人满意的表现。
• 该工作显示了可扩展的片上全氧化物储存库系统用于高效能源的神经形态电子学的潜力。
• 结果凸显了在可扩展平台中使用忆阻器为基础的储存库处理时序信号的前景。