- 講演資料：少量データで軽量な機械学習の手法について
なぜリザーバコンピューティングが必要なのか
リザーバコンピューティングとは、レーザーの波長や波動く水面など、ダイナミクス（ノイズソース）を持つさまざまな物質を利用したコンピューティングのこと。QuantumCoreでは、そのリザーバコンピューティングを活用した次世代多変量時系列処理（RNN：Recurrent Neural Network）ソリューションを提供している。
自然言語処理をバックグラウンドに持つ秋吉氏が2018年4月に創業した同社だが、独自のリザーバコンピューティング技術「Qore（コア、国際特許化中）」を武器に、2019年7月には約1億6000万円の資金調達に成功している。
秋吉氏は、深層学習とリザーバコンピューティングを比較しながら、リザーバコンピューティングが持つ特徴を次のように解説した。
簡単かつ高精度
リザーバコンピューティングは、深層学習で必要なビッグデータが不要だ。少ないデータで簡単に時系列処理が可能であるほか、従来型LSTMの処理よりも高い精度を出すことができる。例えば、9人分の話者分類を行うと、深層学習では92.4％の精度だったのに対し、リザーバコンピューティングでは99.2％の精度を実現できた。
とにかく速い
深層学習とは異なる独自の方法で多変量時系列処理を行った結果、深層学習ではGPU2枚挿しで120.5秒かかったところ、リザーバコンピューティングは1.8秒しかかからなかった。しかもQuantumCoreの技術は非常に軽量なため、AWSのマイクロインスタンスでも動くのが特徴だ。
安価
リザーバコンピューティングに高価なGPUはいらない。QuantumCoreが提供する従量課金制のAPIを使えば、深層学習よりも圧倒的に安価で活用することができる。
「リザーバコンピューティングの技術は、元々、複雑系力学という物理学の分野で90年代から研究されてきたもの。当社には技術顧問として、東京大学大学院 総合文化研究科 広域科学専攻 教授の池上高志氏と、はこだて未来大学 複雑系知能学科 准教授の香取勇一氏の両名に入っていただいている」（秋吉氏）
