Design principles for optoelectronic light-scattering reservoir computing at the edge of chaos

Resumo Técnico: Princípios de Projeto para Computação de Reservatório de Espalhamento de Luz Optoeletrônica na Borda do Caos

Enunciado do Problema
A computação de reservatório (RC) física oferece um caminho energeticamente eficiente para a inferência cognitiva sequencial, aproveitando as dinâmicas não lineares intrínsecas de substratos de hardware. Embora sistemas de espalhamento de luz no espaço livre sejam atraentes devido ao seu paralelismo e reconfigurabilidade, uma lacuna crítica permanece: princípios de projeto práticos que vinculem variáveis de controle de hardware específicas ao desempenho computacional não foram estabelecidos. Ao contrário das redes neurais recorrentes (RNNs) convencionais, onde os pesos são aprendidos via retropropagação, os sistemas de RC físicos dependem de dinâmicas fixas e fisicamente determinadas. Consequentemente, o desempenho é altamente sensível à escolha dos parâmetros do substrato, incluindo o regime dinâmico, o acoplamento entrada-reservatório e a interconectividade. Embora estudos teóricos e de simulação sugiram que um regime operacional ótimo exista na "borda do caos" (a fronteira entre estabilidade e caos), a confirmação experimental em reservatórios físicos tem sido limitada e específica do substrato. Este trabalho aborda a falta de uma estrutura de projeto sistemática e quantitativa para reservatórios de espalhamento de luz optoeletrônicos reconfiguráveis.

Metodologia
Os autores implementaram um sistema de computação de reservatório optoeletrônico no espaço livre utilizando uma arquitetura de imagem 4-f. O sistema consiste em uma fonte laser coerente, um modulador espacial de luz (SLM) de modulação de fase para codificação de entrada e projeção de estado, um segundo SLM reconfigurável atuando como espalhador para misturar o campo óptico, e uma câmera CMOS para detecção de intensidade. A atualização do estado do reservatório é governada pela recorrência da intensidade do campo óptico, modelada matematicamente como:
$$\mathbf{h}(t) = \min(|\mathbf{W}_{rec} \exp(i\pi((\mathbf{I}-\tilde{\mathbf{W}}_{in})\mathbf{h}(t-1) + \tilde{\mathbf{W}}_{in}\tilde{\mathbf{x}}(t)))|^2, 1)$$
onde $\mathbf{h}$ é o estado do reservatório, $\mathbf{x}$ é a entrada, $\mathbf{W}_{rec}$ representa a interconectividade e $\mathbf{W}_{in}$ representa o acoplamento de entrada. Apenas a matriz de leitura $\mathbf{W}_{out}$ é treinada numericamente usando a pseudoinversa de Moore–Penrose.

O estudo mapeou sistematicamente três eixos de controle físicos:

1. Dinâmica do Reservatório: Controlada pelo tempo de exposição da câmera ($T$), que modula a norma de $\mathbf{W}_{rec}$ e a intensidade luminosa geral.
2. Acoplamento Entrada–Reservatório: Controlado pela densidade ($\rho$, a fração de nós acoplados à entrada) e magnitude ($w$, o peso das entradas não nulas) da matriz de entrada $\mathbf{W}_{in}$.
3. Interconectividade do Reservatório: Controlada pelo ângulo de difusão ($\theta$) do perfil de fase do espalhador, que determina a dispersão do campo óptico entre os nós.

Os autores mediram o expoente de Lyapunov máximo ($\lambda_{max}$) para caracterizar a estabilidade dinâmica e calcularam a Capacidade de Memória (MC) para avaliar o desempenho computacional. Essas métricas foram comparadas com simulações numéricas para validar o modelo físico.

Principais Contribuições e Resultados
O artigo estabelece três princípios de projeto quantitativos ao identificar ótimos ao longo dos três eixos de controle:

1. Borda do Caos como Ponto Operacional Universal:
   Ao variar o tempo de exposição da câmera, os autores observaram uma transição de regimes estáveis ($\lambda_{max} < 0$) para caóticos ($\lambda_{max} > 0$). Um pico distinto na Capacidade de Memória foi encontrado coincidindo precisamente com $\lambda_{max} \approx 0$. Esta confirmação experimental estende a hipótese da "borda do caos", anteriormente verificada em reservatórios de portão iônico e ondas de spin, para o substrato fotônico. O estudo demonstra que o pico de MC é uma propriedade das dinâmicas subjacentes e não um artefato de ruído ou imperfeição de hardware.

2. Compensação no Acoplamento Entrada–Reservatório:
   Com as dinâmicas fixadas no ponto crítico ($\lambda_{max} \approx 0$), os autores variaram os parâmetros de acoplamento de entrada ($\rho$ e $w$). Os resultados revelaram uma "compensação densidade–magnitude": acoplamento baixo falha em registrar informações externas, enquanto acoplamento excessivo silencia a história interna do reservatório. Uma região operacional ótima foi identificada em $\rho \approx 21\%$ e $w \approx 0.25$, onde a condução de entrada e as dinâmicas recorrentes estão equilibradas.

3. Interconectividade Intermediária:
   O estudo examinou o efeito do ângulo de difusão do espalhador ($\theta$) na interconectividade. A capacidade de memória exibiu uma dependência não monótona em relação a $\theta$, com um máximo moderado em $\theta = 0.2^\circ$ para um reservatório de 10.000 nós. Isso sugere que a propagação de informações entre nós requer uma amplitude intermediária — nem muito localizada nem muito difusa.

Validação em Tarefas Cognitivas
Operando no ótimo de três eixos identificado ($\lambda_{max} \approx 0$, $\rho=21\%$, $w=0.25$, $\theta=0.2^\circ$), o reservatório foi testado em duas tarefas:

• Previsão de Séries Temporais Caóticas: O sistema previu com sucesso a série temporal caótica de Mackey–Glass no modo "livre" (onde as previsões são realimentadas como entradas), mantendo uma trajetória no espaço de fase limitada que se assemelhava estreitamente à verdade fundamental. Esse desempenho só foi alcançável no ponto de dinâmicas críticas; regimes estáveis e caóticos falharam em reproduzir o atrator.
• Reconhecimento de Dígitos Falados: O reservatório alcançou uma precisão de classificação cega de 84,5% no conjunto de dados Speech Commands de 10 classes (dígitos falados). A matriz de confusão mostrou forte dominância diagonal, com erros concentrados em pares de dígitos acusticamente similares.

Significado e Alegações
Os autores afirmam que este trabalho fornece o primeiro mapeamento sistemático da paisagem de projeto para reservatórios de espalhamento de luz optoeletrônicos reconfiguráveis. O significado principal reside no estabelecimento de uma estrutura transferível enraizada em conceitos independentes de substrato de criticalidade e acoplamento equilibrado, apesar de ser enunciada em unidades específicas do substrato.

O artigo posiciona a fotônica como o terceiro substrato experimental (após sistemas de portão iônico e ondas de spin) para confirmar a hipótese da borda do caos na computação de reservatório física. Os autores enfatizam que, embora seu sistema seja optoeletrônico (envolvendo um ciclo eletrônico para detecção e re-codificação), os princípios de projeto relativos a dinâmicas, acoplamento e conectividade devem transferir-se para implementações totalmente ópticas, como plataformas baseadas em cavidade ou fotônicas integradas, onde as alças de controle físico diferem (por exemplo, ganho da cavidade ou moduladores intra-cavidade), mas a paisagem de otimização subjacente permanece similar. O trabalho não alega maximizar a largura de banda ou minimizar a latência em comparação com sistemas totalmente ópticos, mas sim definir as regras quantitativas que governam o desempenho computacional em reservatórios de espalhamento de luz.