Исследователи из бельгийского Université Libre de Bruxelles разработали аналоговый нейрокомпьютер, основанный на использовании сравнительно нового класса рекуррентных нейросетей (так называемый алгоритм «reservoir computing») в сочетании с популярным обучающим методом обратного распространения ошибок.

Созданная ими система построена на базе технологий фотоники: информация в ней кодируется в интенсивности световых импульсов, распространяющихся через оптоволокно.

Для решения ей были предложены три задания: упражнение на распознавание речи, TIMIT; типичная задача для тестирования «резервуарных» компьютеров, NARMA10; и сложный нелинейный алгоритм, VARDEL5. Испытания показали, что подобная система не только лучше справляется с типичными задачами, решаемыми «резервуарными» компьютерами, но и применима к проблемам, которые прежде считались для них непосильными.

Полученные результаты свидетельствуют о потенциальных преимуществах самообучающегося оборудования для выполнения сложных операций. Кроме того, в статье для Physical Review Letters указывается, что присущие таким аналоговым системам энергетическая эффективность и сверхвысокая производительность создают предпосылки для отдаления краха Закона Мура.

В дальнейшем авторы планируют повысить быстродействие своего нейрокомпьютера на несколько порядков. Для этого они уже тестируют фотонные системы, в которых все внутренние переменные (нейроны) обрабатываются одновременно, а не поочерёдно, как в описанном эксперименте.