PZT-Reservoir erreicht 89 % Genauigkeit bei Handschrift‑ und Sprach‑Ziffern

In einer neuen Veröffentlichung auf arXiv wird gezeigt, dass ein unpolierter Würfel aus Lead‑Zirkonat‑Titanat (PZT) als physikalisches Reservoir Computing‑Substrat eingesetzt werden kann, um handschriftliche und gesprochene Ziffern zu klassifizieren. Das System erzielt dabei 89 % Genauigkeit auf dem MNIST‑Datensatz für Handschrift, was einer Verbesserung von 2,4 Prozentpunkten gegenüber herkömmlichen logistischen Regressionsmodellen entspricht.

Für das AudioMNIST‑Set, das gesprochene Ziffern enthält, erreicht das PZT‑Reservoir 88,2 % Genauigkeit – praktisch identisch mit den 88,1 % der Basisverfahren. Diese Ergebnisse deuten darauf hin, dass Reservoir Computing besonders dann von Vorteil ist, wenn die Aufgabe eine mittlere Schwierigkeit aufweist: lineare Modelle versagen, die Aufgabe bleibt jedoch lösbar und liegt innerhalb der Kapazität der Reservoir‑Dynamik.

PZT ist ein bereits in der Halbleiterindustrie bewährtes Material, das sich durch niedrigen Energieverbrauch auszeichnet und leicht mit digitalen Algorithmen kombiniert werden kann. Die Studie unterstreicht, dass physikalische Reservoirs dann besonders leistungsfähig sind, wenn die Problemkomplexität die Grenzen einfacher linearer Klassifikatoren übersteigt, aber noch im Reich des Reservoir‑Dynamik‑Spektrums liegt.