非同期セルオートマトンを利用したリザバーコンピューティングと普遍的臨界性

抄録

リザバーコンピューティングにおいて時系列データの記憶と分類を担うリザバーは、臨界的な性質を持つことが望ましいと考えられている。しかし、一般的にあるシステムにおいて臨界性を実現するためにはパラメータの微調整を必要とする。一方、我々が提案している非同期セルオートマトン（AT_ECA）はそのようなパラメータ調整を必要とせず、臨界的な時空間パターンを生成する。また、AT_ECAをリザバーとする学習システムは、高い学習能力を有することが明らかになっている。これらを踏まえて、本研究の目的はリザバーの状態を解析するための指標を提案して、AT_ECAの臨界性と学習能力の関係を明らかにすることである。まず初めに、初等セルオートマトン（ECA）をリザバーとした場合について、臨界的な時空間パターンを生成する特定の局所ルールの学習能力が高いことを示し、そのリザバーの状態の特徴を上記の指標によって明らかにする。次に、AT_ECAをリザバーとした場合について、多くの局所ルールで同じ特徴が認められることを示す。これらの結果より、AT_ECAの高い学習能力はその普遍的な臨界性に由来することが明らかになる。