计算力学与人工智能交叉研究院：使用耦合磁偶极子系统执行物理储层计算

近日，计算力学与人工智能交叉研究院Timon Rabczuk、庄晓莹、金亚斌团队提出了一种基于耦合磁偶极子系统的物理储层计算范式。该研究通过磁偶极子之间的非线性耦合时空动力学响应构造物理储层，实现时间依赖序列的预测与识别，为新型神经形态计算器件的开发提供了重要参考。相关成果以Nonlinear spatiotemporal dynamics in magnetic dipole systems for physical reservoir computing为题发表于领域高水平期刊《Nonlinear Dynamics》。

磁偶极子位置随机并固定，在外磁场和相互之间的耦合作用下做复杂的旋转运动。待预测或待识别的时间序列，以外磁场角度变化的形式注入系统。在训练阶段，将获得的储层状态收集矩阵与目标矩阵进行线性回归获得权重。在预测阶段，使用该权重逐步预测并将预测结果反馈到角度中，重新驱动系统实现循环预测。在时间序列预测任务中，对Mackey-Glass时间序列进行缺失信号重建，可在500个时间点内归一化均方根误差小于0.06；在通用口述数字数据集FSDD上识别准确率达到93.3%，验证了该模型优异的计算能力。

原文链接：https://doi.org/10.1007/s11071-026-12291-4