伴隨著人工智能和物聯(lián)網(wǎng)技術(shù)的突飛猛進，電子設(shè)備產(chǎn)生的海量數(shù)據(jù)中，含有時空信息的數(shù)據(jù)如雨后春筍般涌現(xiàn)。其中，神經(jīng)網(wǎng)絡(luò)展現(xiàn)出了處理這類數(shù)據(jù)的顯著優(yōu)勢。然而，由于RNN龐大的內(nèi)部連接及梯度消失或爆炸問題，使其面臨著訓(xùn)練困難以及硬件代價高等諸多難題。

而備受關(guān)注的后起之秀——儲備池計算，它通過采用簡單清晰的非線性儲備池來替換繁復(fù)的循環(huán)鏈接結(jié)構(gòu)，大幅度削減了訓(xùn)練和執(zhí)行成本。如今，這種算法已經(jīng)廣泛應(yīng)用于動作模式識別、語音識別、氣象預(yù)測等多個領(lǐng)域。然而，儲備池的時間特性對系統(tǒng)性能的影響非常顯著且高度任務(wù)相關(guān)，這就要求我們必須針對具體任務(wù)進行微調(diào)。

令人遺憾的是，現(xiàn)有的軟件儲備池大多將物理儲備池視為“黑箱”，特性完全依賴制造過程，缺乏適應(yīng)性。這使得大部分報告的儲備池系統(tǒng)只擅長處理與特定器件時間尺度匹配的任務(wù)，極大地制約了其實踐效果。

為了解決這個關(guān)鍵問題，北京大學(xué)集成電路學(xué)院/集成電路高精尖創(chuàng)新中心的科研團隊獨辟蹊徑，首次提出了一種閉環(huán)儲備池架構(gòu)，該架構(gòu)可以根據(jù)實時輸出結(jié)果自動調(diào)整儲備池參數(shù)，從而靈活應(yīng)對各種時間特性的輸入信號。

在此基礎(chǔ)上，他們研發(fā)出一種具有電學(xué)可控時間行為特性的薄膜晶體管?？茖W(xué)家們還構(gòu)建了一個能獲取多尺度時間信息的時間適應(yīng)儲備池計算系統(tǒng)。該系統(tǒng)的設(shè)計實驗不僅展示了包括人物動作識別、物體變速度運動方向檢測等多種功能，而且為了驗證新架構(gòu)的有效性，團隊通過對比實驗，充分論證了系統(tǒng)在處理復(fù)雜時序信號方面的強大實力，不僅人物動作識別的準確率從原來的84.2%大幅飆升到96.7%，而且物體變速度運動方向檢測的準確率也從78.8%提升至94.7%。

這項研究無疑為硬件儲備池計算系統(tǒng)處理復(fù)雜時空信號提供了嶄新的解決方案，也為在邊緣端實踐高效、實時的物聯(lián)網(wǎng)信息處理鋪平道路。