【标题】Controlling chaotic itinerancy in laser dynamics for reinforcement learning

【作者团队】Ryugo Iwami, Takatomo Mihana, Kazutaka Kanno, Satoshi Sunada, Makoto Naruse, Atsushi Uchida

【发表日期】2022.5.12

【论文链接】https://arxiv.org/pdf/2205.05987.pdf

【推荐理由】光子人工智能在加速机器学习方面引起了极大的兴趣；然而，其独特的光学性质尚未被充分利用以实现高阶功能。混沌巡游可以利用其在多个准吸引子之间的自发瞬态动力学来实现类似大脑的功能。本文提出了一种控制多模半导体激光器中混沌行程的方法来解决机器学习任务，即多臂bandit问题，这是强化学习的基础。该方法利用光注入控制模式竞争动力学中的超快混沌巡游运动。研究发现，这种搜索机制与传统的搜索算法完全不同，并具有高度可扩展性，其优于传统的大规模bandit问题搜索方法。本研究为利用混沌巡游作为光子硬件加速器有效解决复杂机器学习任务铺平了道路。

内容中包含的图片若涉及版权问题，请及时与我们联系删除