液体状態機械

液体状態マシン( LSM )は、スパイキング ニューラル ネットワークを使用するリザーバ コンピュータの一種です。LSM は、多数のユニット (ノードまたはニューロンと呼ばれる) で構成されています。各ノードは、外部ソース (入力) および他のノードから、時間とともに変化する入力を受け取ります。ノードは互いにランダムに接続されています。接続の反復的な性質により、時間とともに変化する入力がネットワーク ノードの活性化の空間的および時間的パターンに変換されます。活性化の空間的および時間的パターンは、線形判別ユニットによって読み取られます。

再帰的に接続されたノードの集合体は、入力に対して多種多様な非線形関数を計算することになります。このような非線形関数が十分に多様であれば、理論的には、音声認識やコンピューター ビジョンなどの特定のタスクを実行するために必要な数学的演算を実行するための線形結合 (読み取りユニットを使用) を取得できます。

名前の「液体」という言葉は、静止した水や他の液体に石を落とすという例えから来ています。石が落ちると、液体に波紋が発生します。入力 (石が落ちる動き) は、液体の変位 (波紋) の空間的および時間的パターンに変換されます。

LSM は脳の働きを説明する方法として提唱されてきました。LSM は人工ニューラル ネットワークの理論よりも優れていると主張されています。その理由は次のとおりです。

1. 回路は特定のタスクを実行するためにハードコードされていません。
2. 連続時間入力は「自然に」処理されます。
3. 同じネットワークを使用して、さまざまな時間スケールでの計算を実行できます。
4. 同じネットワークで複数の計算を実行できます。

計算神経科学で使われるLSMに対する批判は、

1. LSM は、実際には脳の機能を説明するものではありません。せいぜい、脳の機能の一部を再現できるだけです。
2. 動作中のネットワークを分析し、どのような計算がどのように実行されているかを把握する確実な方法はありません。
3. プロセスに対する制御はほとんどありません。

リザーバーがフェーディングメモリと入力分離性を持つ場合、読み出しの助けを借りて、液体状態マシンがストーン・ワイエルシュトラスの定理を使用して普遍的な関数近似器であることを証明できます。^[1]

• エコー状態ネットワーク:リカレントニューラルネットワークにおける同様の概念
• リザーバコンピューティング：概念フレームワーク
• 自己組織化マップ

• LiquidC#:ニューラルネットワーク検出器[1]を備えたトポロジカルに堅牢な液体状態機械^[2]の実装

• Maass, Wolfgang; Natschläger, Thomas; Markram, Henry (2002 年 11 月)、「安定状態のないリアルタイム コンピューティング: 摂動に基づくニューラル コンピューティングの新しいフレームワーク」(PDF)、Neural Comput、14 (11): 2531–60、CiteSeerX  10.1.1.183.2874、doi :10.1162/089976602760407955、PMID  12433288、S2CID  1045112、2012 年 2 月 22 日のオリジナルからアーカイブ。{{citation}}: CS1 メンテナンス: 不適切 URL (リンク)
• ヴォルフガング・マース;トーマス・ナチュレーガー; Henry Markram (2004)、「一般的な皮質微小回路の計算モデル」(PDF)、計算神経科学: 包括的なアプローチ、第 18 章、18 : 575–605