盖世汽车讯 每天，大量涉及天气、交通和社交媒体的数据需要进行实时处理。在传统云计算中，这种处理过程在云端进行，引起了人们对数据泄漏、通信延迟、速度慢和功耗更高等问题的担忧。 
（图片来源：东京理科大学） 在这种背景下，“边缘计算（edge computing）”提供了富有前景的替代解决方案。它位于用户附近，旨在分配计算以减少负载并加快数据处理速度。具体来说，边缘人工智能（edge AI）是在边缘计算环境中实现人工智能处理的一种方法，预计将在自动驾驶汽车和工厂机器异常预测等领域得到应用。 然而，为了实现有效的边缘计算，需要高效且计算成本低的技术，其中储层计算（reservoir computing）是富有前景的选项之一。这种计算方法可用于处理随时间记录的信号，利用储层（可进行非线性响应）将这些信号转化为复杂的模式。尤其是使用物理系统动力学的物理储层（physical reservoir），具有计算成本效益和效率。然而，它们实时处理信号的能力受到物理系统自然弛豫时间的限制，使实时处理过程受到影响，需要进行调整以获得最佳学习性能。 |
