对时间复杂度信息的学习和处理是人脑的一大优势，而储备池计算是一种低训练代价、低硬件开销的循环神经网络，在时序信息处理方面具有广泛的应用。近日，北京大学科研团队在《Advanced Materials》杂志发表了题为“Multilayer Reservoir Computing Based on Ferroelectric α-In2Se3 for Hierarchical Information Processing”的论文，该团队首次采用忆阻器单元构建了深度储备池计算硬件，通过储备池层数的增加实现了时序信息处理性能的显著提升。
该团队首先研制了可级联的单层储备池硬件，通过将动态忆阻晶体管与平面器件进行串联分压，实现了电压输入、电压输出的短时程非线性单元。由于输入和输出为相同的物理量，解决了通常情况下电压输入、电流输出器件难以直接级联的问题，为构建深度储备池计算硬件奠定了器件基础。基于该类短时程非线性单元，进一步制备了深度储备池硬件系统，并结合分时复用的虚拟节点方法获得了丰富的储备池状态。实验结果表明，相比同等规模的单层储备池计算系统，该深度储备池计算硬件具有更大的记忆容量、更丰富的储备池状态数，并在波形分类、电能消耗预测等任务中展示了优异的性能，证明了深度储备池计算系统在时序信息处理任务中的潜力。该工作在构建深度储备池计算系统、实现类脑的时序信息处理方面迈出了重要的一步。
论文链接：https://onlinelibrary.wiley.com/doi/10.1002/adma.202108826
注：此研究成果摘自《Advanced Materials》杂志，文章内容不代表本网站观点和立场，仅供参考。
