近年, 発展著しい深層学習モデルについて学習の長時間化やそれに伴う消費電力の増加が問題視されている. 我々の脳は短時間かつ低い消費電力で学習することが可能であるため, 脳に学ぶ機械学習モデルが注目を集めている.
本研究では, 記憶に関する脳部位に存在する多様な時間スケールで変化するニューロンに注目し, そのようなニューロンを含むランダムニューラルネットワークに対する理論的枠組を開発した.
近年, 深層学習と共に注目されているのがリザバーコンピューティングである.
リザバーコンピューティングとは, リザバーと呼ばれる多自由度力学系を用いた機械学習の枠組みの1つであり, 深層学習モデルと比較して, 高速な学習・低消費電力・多様な物理系への実装可能性という特徴がある.また, 近年, 脳の仕組みを模したニューラルネットワークをリザバーとして用いる研究が盛んに行われており, 本研究は, 適切なパラメタ設定や定量的な性能評価などについての理解を深めるものである.
| 氏名 | コース | 研究室 | 役職/学年 |
|---|---|---|---|
| 富田 風太 | 先端数理科学コース | 非線形物理学講座 | 博士3回生 |
| 寺前 順之介 | 先端数理科学コース | 非線形物理学講座 | 准教授 |