對時間復雜度信息的學習和處理是人腦的一大優(yōu)勢，而儲備池計算是一種低訓練代價、低硬件開銷的循環(huán)神經(jīng)網(wǎng)絡，在時序信息處理方面具有廣泛的應用。近日，北京大學科研團隊在Advanced Materials雜志發(fā)表了題為Multilayer Reservoir Computing Based on Ferroelectric α-In2Se3 for Hierarchical Information Processing的論文，該團隊首次采用憶阻器單元構建了深度儲備池計算硬件，通過儲備池層數(shù)的增加實現(xiàn)了時序信息處理性能的顯著提升。

該團隊首先研制了可級聯(lián)的單層儲備池硬件，通過將動態(tài)憶阻晶體管與平面器件進行串聯(lián)分壓，實現(xiàn)了電壓輸入、電壓輸出的短時程非線性單元。由于輸入和輸出為相同的物理量，解決了通常情況下電壓輸入、電流輸出器件難以直接級聯(lián)的問題，為構建深度儲備池計算硬件奠定了器件基礎?；谠擃惗虝r程非線性單元，進一步制備了深度儲備池硬件系統(tǒng)，并結合分時復用的虛擬節(jié)點方法獲得了豐富的儲備池狀態(tài)。試驗結果表明，相比同等規(guī)模的單層儲備池計算系統(tǒng)，該深度儲備池計算硬件具有更大的記憶容量、更豐富的儲備池狀態(tài)數(shù)，并在波形分類、電能消耗預測等任務中展示了優(yōu)異的性能，證明了深度儲備池計算系統(tǒng)在時序信息處理任務中的潛力。該工作在構建深度儲備池計算系統(tǒng)、實現(xiàn)類腦的時序信息處理方面邁出了重要的一步。

（來源：科技部生物中心）