光子储备计算机中高性能模拟读出层的在线训练

引言。储备计算是一种受生物启发的用于处理时变信号的计算范式。其硬件实现在一系列基准任务上的性能可与最先进的数字算法相媲美。这些实现的主要瓶颈在于基于缓慢离线后处理的读出层。已有少数模拟方案被提出，但均因装置复杂性增加而导致性能明显下降。方法。在此我们提出使用在线训练来解决这些问题。我们通过对一个实验上可行的具有模拟读出层的储备计算机进行数值模拟，研究了该方法的适用性。我们还考虑了一个非线性输出层，其用传统方法将非常难以训练。结果。我们通过数值表明，在线学习能够规避模拟层增加的复杂性，并获得与数字层同等的性能水平。结论。本工作通过输出层的在线训练，为高性能全模拟储备计算机铺平了道路。