Crédit :CC0 Domaine Public
Dans les années récentes, calcul de réservoir physique, l'une des nouvelles technologies de traitement de l'information, a beaucoup attiré l'attention. Il s'agit d'une version d'implémentation physique du calcul de réservoir, qui est une méthode d'apprentissage dérivée de la théorie des réseaux de neurones récurrents (RNN). Il implémente le calcul en considérant le système physique comme un énorme RNN, externaliser les opérations principales à la dynamique du système physique qui constitue le réservoir physique. Il présente l'avantage d'obtenir une optimisation instantanément avec des ressources de calcul limitées en ajustant des pondérations de lecture linéaire et statique entre la sortie et un réservoir physique sans nécessiter d'optimisation des pondérations par rétropropagation.
Cependant, puisque la capacité de traitement de l'information dépend de la capacité physique du réservoir, il est important que cela soit étudié et optimisé. Par ailleurs, lors de la conception d'un réservoir physique à haute capacité de traitement de l'information, il est prévu que le coût expérimental sera réduit par la simulation numérique. Des exemples bien connus de calcul de réservoir physique incluent son application aux matériaux mous, photonique, spintronique, et quanta, alors que ces dernières années, beaucoup d'attention a été accordée aux vagues; des dispositifs neuromorphiques qui simulent les fonctions du cerveau en utilisant des ondes non linéaires ont été proposés.
L'écoulement fluide de l'eau, air, etc. représente un système physique qui est familier mais qui présente des modèles divers et compliqués dont on pense qu'ils ont une grande capacité de traitement de l'information. Cependant, le calcul de réservoir physique virtuel utilisant la simulation numérique ou l'étude de la capacité de traitement de l'information des phénomènes d'écoulement de fluide n'a pas été réalisé en raison de son coût de calcul numérique relativement élevé. Par conséquent, la relation entre le vortex d'écoulement et la capacité de traitement de l'information est restée inconnue.
Dans cette étude, Le professeur Hirofumi Notsu et un étudiant diplômé de l'Université de Kanazawa en collaboration avec le professeur Kohei Nakajima de l'Université de Tokyo ont étudié les phénomènes d'écoulement des fluides en tant que système physique, en particulier l'écoulement de fluide qui se produit autour d'un cylindre, ce qui est bien compris. On sait que ce système physique est régi par les équations de Navier-Stokes incompressibles, qui décrivent l'écoulement du fluide, et comprend également le nombre de Reynolds, un paramètre indicatif des caractéristiques du système.
R :Aperçu de l'étude. B :Débit de fluide typique à chaque nombre de Reynolds. C :Entrées le long de la séquence temporelle et les résultats des modèles NARMA2 et NARMA3. Les valeurs cibles sont en noir tandis que les valeurs du calcul de réservoir physique virtuel à l'aide de vortex sont en rouge. D :Valeurs des erreurs (erreur quadratique moyenne normalisée, NMSE) à chaque numéro de Reynolds dans les modèles NARMA2 et NARMA3. L'erreur est minime, le nombre de Reynolds étant d'environ 40. Crédit :Université de Kanazawa
Ce système physique a été virtuellement mis en œuvre par simulation numérique spatiale bidimensionnelle en utilisant la méthode stabilisée de Lagrange-Galerkin, et la dynamique de la vitesse d'écoulement et de la pression aux points sélectionnés dans la région en aval du cylindre ont été utilisées comme réservoir physique. La capacité de traitement de l'information a été évaluée à l'aide du modèle NARMA.
On sait que dans l'écoulement d'un fluide autour d'un cylindre, à mesure que la valeur du nombre de Reynolds augmente, les tourbillons jumeaux formés dans la région en aval du cylindre deviennent progressivement plus gros et forment finalement une rue de tourbillon de Karman, l'effusion alternée de tourbillons. Dans cette étude, il a été précisé qu'au nombre de Reynolds où les tourbillons jumeaux sont maximaux mais juste avant la transition vers un vortex de Karman street, la capacité de traitement de l'information est la plus élevée.
En d'autres termes, avant le passage à une rue de vortex Karman, la capacité de traitement de l'information augmente à mesure que la taille des tourbillons jumeaux augmente. D'autre part, puisque la propriété d'état d'écho qui garantit la reproductibilité du calcul du réservoir ne peut pas être maintenue lorsque la transition vers la rue du vortex de Karman a lieu, il devient clair que la rue du vortex de Karman ne peut pas être utilisée pour le calcul.
On s'attend à ce que ces résultats concernant les tourbillons d'écoulement de fluide et la capacité de traitement de l'information soient utiles lorsque, dans le futur, la capacité de traitement de l'information du réservoir physique peut être étendue à l'aide d'un écoulement de fluide, par exemple. dans le développement de dispositifs neuromorphiques basés sur les ondes récemment rapportés. Bien que le coût de calcul numérique des phénomènes d'écoulement de fluide soit relativement élevé, cette étude a permis de traiter des vortex macroscopiques physiquement faciles à comprendre et a clarifié la relation entre vortex et capacités de traitement de l'information en mettant en œuvre virtuellement le calcul physique de réservoir avec simulation numérique spatiale bidimensionnelle.
Calcul de réservoir physique virtuel, qui s'appliquait autrefois à un nombre relativement important de systèmes physiques décrits comme des systèmes unidimensionnels, a été étendu pour inclure les systèmes physiques avec deux dimensions spatiales ou plus. On s'attend à ce que les résultats de cette étude permettent l'étude virtuelle des capacités de traitement de l'information d'un plus large éventail de systèmes physiques. En outre, puisqu'il est révélé que les tourbillons sont la clé de la capacité de traitement de l'information, on s'attend à ce que la recherche pour créer ou maintenir des tourbillons soit davantage encouragée.
