真性粘菌の数理モデルをリザバーとした極端な一般化能力を持つ機械学習手法の開発

以真实粘菌的数学模型为储存库，开发具有极高泛化能力的机器学习方法

基本信息

批准号：
19K20388
负责人：
谷伊織
金额：
$ 1.75万
依托单位：
Kobe University (2020-2022)Kwansei Gakuin University (2019)
依托单位国家：
日本
项目类别：
Grant-in-Aid for Early-Career Scientists
财政年份：
2019
资助国家：
日本
起止时间：
2019-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

本研究は真性粘菌 Physarum polycephalum の変形体の挙動を模した数理モデルを利用して機械学習を行うことを目的とする．具体的には物理リザバー計算におけるリザバーとして真性粘菌のモデルを利用することで，少量の学習パラメータのみで効率的な機械学習機構を提案することを目指すものである．リザバー計算は再帰的ニューラルネットワークにおける特徴の抽出・記憶を学習可能なネットワークに担わせるのではなく，リザバーと呼ばれる結合重みが固定されたネットワークにおいて実施することで，調整すべきパラメータ数を抑制し，高速・高効率な学習を実現しようとする分野であり，近年ではリザバーとしてニューラルネットワークではなくさまざまな物理系を利用しようとする物理リザバー計算の研究が進んでいる．本研究では真性粘菌モデルがリザバーとして利用可能であることを確認するため，その計算能力を見積もった．一次元セルオートマトンを用いたリザバー計算についての先行研究と同様の手法で，真性粘菌モデルを環状の平面空間に封入し自由に運動させた．この際，定期的に環状平面の局所領域における原型質量＝真性粘菌の厚みを計測し，原形質流動の時空間パターンを得た．これらの時空間パターンのパワースペクトルにおいて冪分布が得られることを確認した．これはリザバー計算において対象が基本的な計算能力を有することを示す指標であり，真性粘菌モデルをリザバーとして利用できる可能性を強く示している．

这项研究的目的是使用模拟真实粘菌多头绒泡菌变形体行为的数学模型来进行机器学习。具体来说，通过使用真实的粘菌模型作为物理储层计算中的储层，我们的目标是提出一种仅需要少量学习参数的高效机器学习机制。存储库计算不是依赖于递归神经网络中的可学习网络来提取和存储特征，而是在称为存储库的具有固定连接权重的网络中进行，从而减少需要调整的参数数量。旨在实现高速高效的学习，近年来物理储库计算的研究不断取得进展，尝试使用各种物理系统代替神经网络作为储库。在这项研究中，我们估计了真实粘菌模型的计算能力，以确认它可以用作水库。采用与之前使用一维元胞自动机进行储层计算研究类似的方法，将真实的粘菌模型封闭在环形平面空间中并允许其自由移动。这时，我们周期性地测量环形平面局部区域的原型质量=真实粘菌的厚度，得到了原生质流的时空格局。我们确认可以在这些时空图案的功率谱中获得功率分布。这表明受试者具有水库计算的基本计算能力，强烈表明真实的粘菌模型可以用作水库的可能性。