什么是存储库计算？

什么是储存器计算？

2025/10/08

储层计算

？

用科学的眼光来看，
社会关注的真正原因

什么是存储库计算？

储层计算是一种新的计算方法，可以实时捕获、识别和预测不断变化的数据，例如人的声音和物体的运动，同时与传统计算技术相比，可以显着降低学习过程中的功耗和计算资源。我们周围的许多环境条件不断变化，故障可能接二连三地发生，例如自动驾驶汽车、工厂和医疗环境中的机器人操作。油藏计算有望成为在这种情况下能够以低成本快速制定对策的技术。

随着计算机功耗的增加，出现“新计算机”

　计算“1+1=2”的方法有很多种，包括用计算器的、用算盘的、还有用脑子思考的。同样，当谈到“计算”时，有很多选择。如今，我们日常使用的电脑和智能手机都是基于 20 世纪 50 年代设计的计算方法运行的。然而，近年来，随着这些电子设备的普及和AI（人工智能）应用的进步，计算机能耗的增加正成为一个严重的社会问题。

　针对这种背景，需要比传统计算机消耗更少功率的新计算技术。满足这些需求的一项技术是储层计算。与云上的大型计算机不同，水库计算用于安装在用户附近的称为“边缘终端”的设备上，其特点是能够在运行时显着降低功耗。这种相对较新的技术作为一种有效识别和处理不断变化的数据的方法而引起人们的关注，相关学术论文在 2001 年左右开始发表。

　计算机已经发展到能够通过使用更多计算器（算术单位）来解决复杂问题。另一方面，储层计算的优点是能够以低功耗高效处理不需要大量计算的任务。例如，在需要大量计算资源的情况下，例如涉及国家安全或军事的问题，就需要大规模的计算机系统。另一方面，一个相对简单的问题，例如寻找从AIST所在的筑波到东京站的旅行路线，并不需要那么多的计算能力。在这些情况下，通过使用储层计算等节能机制，而不是使用传统的高功耗计算机，“可以降低总体能耗”的想法引起了人们的关注。

　近年来，量子计算作为另一项下一代技术也备受关注。它利用基于量子力学的物理现象来处理信息，并且由于它可以同时处理极大量的状态，因此它表现出的计算能力就像数百万台计算机并行运行一样。这个量子计算机与水库计算有不同的方法，因为它的计算结构与传统计算机的计算结构不同。

　这些下一代计算机之间的关系不能理解为竞争，而是“分离”。深度学习和量子计算机适用于需要大量算力才能解决的复杂问题。另一方面，油藏计算可以以较低的功耗快速响应规模较小、计算强度较低的问题。预计未来的计算将是根据其特性使用不同的类型。

结构简单+学习功耗低

　我们将解释储层计算的实际工作原理、概念和结构。

　首先，“水库”是一个词，意思是“水库”。当你往池塘里扔一块石头时，就会泛起涟漪，通过观察涟漪的出现，你可以在一定程度上猜出扔的是什么石头以及如何扔的。油藏计算类似；称为水库的结构返回对输入信号的复杂响应（波纹），并根据该输出来分析和预测原始输入。这种机制被称为水库计算，因为它表现出类似于水库中的涟漪的动态响应。

　这些想法的出发点是生物大脑中神经元和突触的功能。大脑通过突触在称为神经元的神经细胞之间交换电信号来处理和计算信息。然而，人们尚未了解大脑工作原理的所有方面，并且已经提出了各种假设和想法来填补未知数。在此背景下，多种神经计算方法被设计出来。

　大多数传统的神经计算是一种试图通过精确设计与神经元和突触相对应的结构和设备来尽可能忠实地再现大脑信息处理的方法。其中，最广为人知的就是深度学习。深度学习通过多层处理数据并在调整节点（神经元）之间的“权重（突触大小）”的同时推进学习。信息基本上从输入层到输出层单向流动，需要大量的数据和时间来迭代调整每一层的权重，这需要巨大的计算资源和功耗。

　另一方面，储层计算具有输入层、储层层和输出层的简单配置。在储存层内部，形成节点相互影响、过去的输出返回到内部的循环结构（反馈连接）。这使得动态信息处理超越了从输入到输出的单向流。此外，我们没有像传统神经计算那样通过学习来调整神经元和突触对应的内部连接结构，而是关注从存储层获得的输出，仅通过调整输出层来进行计算。换句话说，存储层的结构是预先固定的，训练仅限于输出层。尽管与其他类型的神经计算相比，储层计算的计算能力有限，但它具有显着降低计算机设计和操作所需的功耗和学习时间等成本的巨大优势。

除了电路之外的任何东西都可以成为计算机

　AIST 实际上正在研究如何使用大约 1 毫米百万分之一的小磁铁（自旋电子振荡器）来配置用于语音识别的存储计算。在储层中，小磁体响应输入电信号而改变其北极和南极的方向，而在输出层中，这种运动的结果被提取为电信号。这里输入音频信号时，通过储存层得到与音频对应的输出信号。学习是通过使用计算机调整输出层的权重来进行的，使得输出信号与输入信号相匹配。然后，当输入某种语音时，得到相应的特定输出，即可识别该语音。

　从这项研究中可以看出，任何具有产生能够响应输入的输出特性的设备都可以用作储存层。换句话说，计算机可以在不使用半导体或电路的情况下制造。这被称为“物理水库”，它即将打开“新计算机”的大门。

　到目前为止，计算机都依赖于半导体技术，但在存储计算中，可以使用各种东西作为存储层，因此半导体以外的许多领域的研究人员都对研究感兴趣。这是储层计算的吸引力之一，它不同于低功耗等性能方面。

利用其特性期待各种应用

　目前油藏计算也面临一些挑战。一是根据所使用的储层性质，可以解决的问题类型受到限制，因此不适合用作负责通用计算的计算机。另一个问题是，即使储层在一项特定任务中表现良好，但在另一项任务中可能表现不佳，需要针对每个应用进行设计和调整。未来需要进一步的研究和开发来克服这些限制并扩大应用范围。

　在需要复杂、高级计算的情况下，油藏计算无法与现有的云计算竞争。然而，对于精度要求不高的应用以及即时性很重要的边缘处理有许多需求。如果即使 1/100 的计算应用程序可以被存储计算取代，它也可能有助于减少社会的整体功耗。

　未来最有前途的应用之一是其用作边缘人工智能。例如，除了自动驾驶、工厂、医疗领域外，深海极地探索、农业机器人自动驾驶、监测河流水位变化的防灾传感器、无人机避障控制、可穿戴设备即时分析生物信号等场景对边缘AI的需求也在不断增加。在这些领域，水库计算的特性被认为具有巨大的威力，即使在云连接不稳定或不可能的环境中，也可以实时做出决策。

事实上，在新能源产业技术综合开发机构（NEDO）推动的下一代计算技术研发项目中，储层计算被定位为重要研究主题。该技术作为国家项目资助，AIST等日本研究机构发表了多篇论文。人们对源自日本的技术作为下一代节能、轻量级人工智能基础设施的发展抱有很高的期望。