信号、噪声与硬件时间尺度的匹配：相关噪声信号的滤波与预测
Matching of signal, noise and hardware timescales for filtering and forecasting of correlated noise signals
精选理由
揭示信号、噪声与硬件时间尺度匹配如何指导物理储备池实现噪声过滤与预测。
AI 摘要
arXiv:2610.10037v1 发布类型：新 摘要：物理储备池计算利用物理系统的非线性动力学处理时变数据，其能效高于传统机器学习方法。然而，物理储备池具有固定的内在响应时间尺度，而现实世界的信号则在多个时间尺度上结合了确定性成分和随机性成分。在这里，我们利用纳米多孔氧化铌储备池、合成噪声信号以及加密货币价格波动表明，噪声相关时间、储备池记忆和预测时域之间的关系决定了相关噪声是被滤除还是被预测。变化速度快于相关储备池记忆和预测时域的噪声会被储备池平均，而变化较慢噪声的时间结构足以支持算法预测。我们提出储备池记忆时域和预测状态指数，以区分这些运行状态。这些成果表明，时间尺度匹配能够指导输入时间序列的编码，以及物理储备池架构的开发，从而在不同时间尺度上滤除、分析和预测随机信号成分。