光リザーバーコンピューティングの原理、実装方法、さらに応用例を基礎から丁寧に解説！（サンプルプログラム付き！） 　深層学習の飛躍的な進展により、人工知能や機械学習は情報通信社会に不可欠な基盤技術として定着しつつある。 一方で深層学習の急激な発展に伴い、学習コストの増大や消費電力の増加などの様々な問題点が浮上している。そこで深層学習に代わる機械学習方式として、リザーバーコンピューティングが注目を集めている。 　リザーバーコンピューティングは様々な物理デバイスで実現できるが、特に光を用いた研究が盛んであり、光の高速性や、時間・空間・波長多重性を活かした高速かつ低消費電力な光コンピューティングの実現が期待されている。応用としては、深層学習と同様に音声認識や画像認識、動画認識を行うことができる。また、無線通信や光通信の伝送歪み補償や、光計測への応用も行われており、さらには医療分野への応用も報告されている。 　本書では、光を用いたリザーバーコンピューティングに焦点を当て、その原理、実装方法、応用（最新の研究動向を含む）を詳しく解説する。 第1章　リザーバーコンピューティングの基礎 1.1 リザーバーコンピューティング 1.2 リザーバーコンピューティングの原理 1.3 リザーバーコンピューティングの基本モデル 1.4 光を用いたリザーバーコンピューティング 第2章　光リザーバーコンピューティングの原理 2.1 時間ノード方式の原理 2.2 空間ノード方式の原理 2.3 学習アルゴリズム 2.4 リザーバーコンピューティングに求められる光デバイスの性質 2.5 時間ノード方式と空間ノード方式の関係 第3章　光リザーバーコンピューティングの実装方法 3.1 実装方法の分類 3.2 時間ノード方式の実装方法 3.3 空間ノード方式の実装方法 3.4 その他の光デバイスを用いた実装方法 3.5 リザーバーとしての光デバイスの特徴 第4章　光リザーバーコンピューティングの高機能化と光集積回路 4.1 入力マスク信号の設計方法 4.2 入力部と出力部のアナログ実装 4.3 光リザーバーコンピューティングの並列化と深層化 4.4 光集積回路を用いた光リザーバーコンピューティング 第5章　光リザーバーコンピューティングの情報処理タスクと応用分野 5.1 基本的なタスク 5.2 時系列予測タスク 5.3 音声認識タスク 5.4 画像認識タスク 5.5 通信の伝送歪み補償タスク 5.6 光計測への応用 5.7 医療への応用 5.8 材料工学への応用 5.9 未観測信号の推測（オブザーバ） 5.10 リザーバーの自律動作によるダイナミクスの複製 5.11 情報処理容量 第6章　様々な光コンピューティング技術 6.1 光を用いた強化学習と意思決定 6.2 光ニューラルネットワークを用いた深層学習 6.3 光を用いた物理深層学習 6.4 コヒーレントイジングマシン 6.5 光パスゲート論理 6.6 展望 付録 A.1 光リザーバーコンピューティングのサンプルプログラム A.2 線形回帰による出力結合重みの最適化の多項式表示 A.3 QR分解を用いた連立一次方程式の解法 コラム リザーバー？ リザーバ？ リザバー？ 魚の情報処理とリザーバーコンピューティング 光コンピューティングで交差点から信号機が消える？