儲備池計算是一種模仿人腦工作方式的計算方法。美國科學家在最新一期《自然·通信》雜志上撰文稱，他們找到了一種新方法，將儲備池計算的速度提高33到100萬倍，而所需的計算資源和數(shù)據(jù)輸入?yún)s大大減少，新一代儲備池計算有助于解決一些最困難的信息處理問題，比如預(yù)測流體的動態(tài)等。

事實上，在一次測試中，研究人員在臺式計算機上用不到一秒鐘的時間就解決了一個復雜的計算問題。研究主要作者、美國俄亥俄州立大學物理學教授丹尼爾·高蒂爾說，同樣的問題需要超級計算機來解決，而且需要更長時間。

高蒂爾解釋稱，儲備池計算是21世紀初出現(xiàn)的一種機器學習算法，用于解決“最難”的計算問題，如預(yù)測動力系統(tǒng)(比如天氣)隨時間的演化情況。以前的研究表明，儲備池計算非常適合學習動力系統(tǒng)并準確預(yù)測它們未來的行為。

它使用類似人腦的人工神經(jīng)網(wǎng)絡(luò)實現(xiàn)這一點?？茖W家將動態(tài)網(wǎng)絡(luò)上的數(shù)據(jù)輸入網(wǎng)絡(luò)中隨機連接的人工神經(jīng)元組成的儲備池內(nèi)。網(wǎng)絡(luò)產(chǎn)生有用的輸出，科學家可對其進行解釋并輸入網(wǎng)絡(luò)中，從而對系統(tǒng)未來的發(fā)展作出越來越準確的預(yù)測。系統(tǒng)越大、越復雜，科學家們希望預(yù)測得越準確，為此人工神經(jīng)元網(wǎng)絡(luò)就必須越大，完成任務(wù)所需的計算資源和時間也就越多。

在最新研究中，高蒂爾及其同事對整個儲備池計算系統(tǒng)進行了簡化，從而顯著減少了所需的計算資源并節(jié)省大量計算時間。結(jié)果表明，在不同的測試中，新系統(tǒng)比當前系統(tǒng)可以快33到100萬倍。而且，與當前一代模型需要4000個神經(jīng)元相比，新一代計算僅需28個神經(jīng)元就達到了同樣的精度。

高蒂爾進一步指出：“科學家目前必須輸入1000或10000個數(shù)據(jù)點或更多數(shù)據(jù)點對儲備池計算機進行預(yù)熱——對需要輸入儲備池計算機的數(shù)據(jù)進行訓練，但新系統(tǒng)只需要輸入兩三個數(shù)據(jù)點。”在測試中，他們用400個數(shù)據(jù)點獲得了與現(xiàn)在使用5000或更多數(shù)據(jù)點相同的結(jié)果。

(記者劉霞)