钛酸铅锆储层计算用于手写与语音数字分类
机器学习
2026-04-02 v1
摘要
本文扩展了我们早期的工作（Rietman等人2022年），将物理储层计算（RC）应用于手写和语音数字的分类。我们使用一块未极化的钛酸铅锆（PZT）立方体作为计算基底来处理这些数据集。我们的结果表明，PZT储层在MNIST手写数字上达到了89.0%的准确率，相比应用于相同预处理数据的逻辑回归基线方法提高了2.4个百分点。然而，对于AudioMNIST语音数字数据集，储层系统（88.2%准确率）与基线方法（88.1%准确率）表现相当，这表明储层计算在中等难度的分类任务中获益最大——在此类任务中线性方法表现不佳，但问题仍然可学习。PZT是一种已知材料，已广泛应用于半导体领域，提供了一种低功耗的计算基底，可与数字算法集成。我们的发现表明，当任务难度超过简单线性分类器的能力但仍在储层动力学的计算容量范围内时，物理储层表现优异。
引用
@article{arxiv.2604.00207,
title = {Lead Zirconate Titanate Reservoir Computing for Classification of Written and Spoken Digits},
author = {Thomas Buckley and Leslie Schumm and Manor Askenazi and Edward Rietman},
journal= {arXiv preprint arXiv:2604.00207},
year = {2026}
}