Reservoir computing

[3]​ Existe una amplia variedad de sistemas dinámicos no lineales que pueden utilizarse como reservoir para realizar cálculos.

En los últimos años, los láseres semiconductores han despertado un gran interés debido a su capacidad para realizar cálculos de manera rápida y energéticamente eficiente en comparación con los componentes eléctricos.

En 2019, se propuso otra posible implementación de procesadores reservoir cuánticos utilizando campos en redes fermiónicas bidimensionales.

Los reservoir pueden almacenar información conectando las unidades en bucles recurrentes, donde la entrada previa afecta a la respuesta siguiente.

Este cambio en la respuesta debido al pasado permite entrenar a los ordenadores para realizar tareas específicas.

[13]​ Los reservoir virtuales suelen generarse aleatoriamente y se diseñan como redes neuronales.

[13]​ Por otro lado, los reservoir físicos son posibles gracias a la no linealidad inherente en ciertos sistemas naturales.

Por ejemplo, la interacción entre las ondulaciones en la superficie del agua posee la dinámica no lineal necesaria para la creación de reservoir físicos.

[1]​ El readout o lectura es una capa de la red neuronal que realiza una transformación lineal en la salida del reservoir.

Sin embargo, estas neuronas logran estabilizar su actividad ajustándose a una única hipótesis que describe las entradas entrenadas en la máquina.

[19]​ Estas desviaciones generan transitorios o alteraciones temporales que se reflejan en la salida del dispositivo.

Además, posibilita investigar el rol intrínseco de la composición por capas en las redes neuronales recurrentes.

[25]​ En principio, estos calculadores de reservoir podrían implementarse utilizando procesos paramétricos ópticos multimodo controlados.

[5]​ Posteriormente, se produce la agitación del reservoir, que actúa como entrada, mediante un campo óptico incidente.