利用几何约束斯格明子动力学的布朗储层计算进行手势识别

物理储层计算（RC）是一种超越冯·诺依曼的计算范式，它利用复杂物理系统（储层）的动力学特性，在模式识别等任务中高效处理信息。这种以硬件为中心的方法大幅减少了训练工作量，并具有显著降低能耗的潜力。磁性斯格明子（一种拓扑的、类粒子的自旋纹理）因其非线性相互作用以及低功耗操控与热激发动力学的成熟机制，被认为是储层计算系统极具前景的候选者。迄今为止，基于自旋的储层计算要么用于静态检测，要么基于本征磁化动力学时间尺度，这需要对通常较慢的现实世界数据进行繁琐的重新缩放。本文通过将储层的本征时间尺度调整为现实世界时间模式的时间尺度，利用了时间复用的斯格明子RC：我们识别以毫秒时间尺度记录的、使用距离-多普勒雷达的手势，并将数据作为随时间变化的电压激励直接馈入我们的器件。我们仅通过储层中一个位置的读出观察斯格明子轨迹的时间演化，这允许扩展到纳米尺度。我们发现，与最先进的、能耗密集的基于软件的神经网络相比，我们的硬件解决方案表现出具有竞争力的性能。我们硬件方法的关键优势在于，由于储层中斯格明子动力学的时间依赖输入和可调本征时间尺度，它能够无缝集成来自传感器的数据，而无需进行时间转换。这一特性使得储层能够实时馈入，开启了众多应用。