波动物理作为模拟循环神经网络
计算物理
2019-12-24 v2 机器学习
神经与进化计算
光学
摘要
模拟机器学习硬件平台有望比数字平台更快且更节能。波动物理,如声学与光学中所见,是构建用于处理时变信号的模拟处理器的天然候选。在此我们确定了波动物理的动力学与循环神经网络中计算之间的映射。该映射表明,物理波系统可使用神经网络的标准训练技术被训练以学习时序数据中的复杂特征。作为演示,我们展示一个逆设计非均匀介质可在原始音频信号散射并传播穿过它时对其执行元音分类,达到与循环神经网络标准数字实现相当的性能。这些发现为新一代模拟机器学习平台铺平了道路,其能够在其原生域中快速且高效地处理信息。
引用
@article{arxiv.1904.12831,
title = {Wave Physics as an Analog Recurrent Neural Network},
author = {Tyler W. Hughes and Ian A. D. Williamson and Momchil Minkov and Shanhui Fan},
journal= {arXiv preprint arXiv:1904.12831},
year = {2019}
}
备注
13 pages, 6 figures