メタサーキットによる完全アナログ共振リカレントニューラルネットワーク

要旨: 物理ニューラルネットワークは、従来のデジタル・アーキテクチャと比べて推論速度とエネルギー効率に優れることで、エッジ・インテリジェンスへの変革的な道を提供します。しかし、時間情報処理のためのスケーラブルでエンドツーエンド、完全アナログの反復型ニューラルネットワーク（RNN）を実現することは、学習済みのネットワークモデルを物理ハードウェアへ忠実に写像することが難しいため、依然として困難です。ここでは、結合した電気的局所共振器から構成されるメタサーキット・アーキテクチャにより実装した、完全アナログの共振型反復型ニューラルネットワーク（R^2NN）を提示します。再構成された機械—電気の類推により、R^2NNモデルとメタサーキット要素との間の直接的な対応付けが確立され、学習済みニューラルネットワークのパラメータを正確に物理実装できるようになります。さらに、結合して学習可能なグローバル抵抗結合と、周波数依存の負の抵抗を生み出す局所共振を統合することで、アーキテクチャは電流を周波数選択的な経路へ導くインピーダンス地形を形成します。この仕組みにより、識別的なスペクトル特徴を直接抽出でき、アナログ入力からのアナログ—デジタル変換を回避しつつ、生のアナログ信号のリアルタイムな時間分類が可能になります。本枠組みは、触覚認識、音声認識、状態監視のための集積ハードウェアを用いて、領域横断の汎用性を実証します。本研究は、インテリジェントな時間処理のためのスケーラブルな完全アナログ・パラダイムを確立し、エッジ・インテリジェンス向けの低レイテンシかつ省資源な物理ニューラル・ハードウェアへの道を拓きます。