В ходе ряда недавних исследований выяснилось, что поведение обширных хаотичных динамических систем можно успешно моделировать с помощью так называемых резервуарных вычислений — нейронных сетей, состоящих из «резервуара», набора соединенных случайным образом искусственных нейронов и дополнительной простой однослойной сети. Оказалось, что резервуар в такой системе обучать не нужно, достаточно обучить выходной слой, а резервуар подстроится сам. С помощью резервуарных вычислений решают массу сложных задач, причем учебных данных для этого может требоваться очень мало.

Физики Университета Торонто Метрополитен решили проверить справедливость выводов коллег, отчитавшихся об эффективности резервуарных вычислений в прогнозировании траектории хаотичных динамических систем. В ходе экспериментов моделировался несложный образец такой системы — маятник с магнитом на конце, который качается между тремя магнитами, зафиксированными на плоской поверхности.

Выяснилось, что более современная резервуарная модель NGRC действительно хорошо описывает систему, но при условии наличия знаний об уравнениях, описывающих ее нелинейное поведение. Как объясняют авторы, если при этом есть хоть минимальная неопределенность, точность прогнозов падает до уровня, сопоставимого со случайным угадыванием. В свою очередь традиционная резервуарная модель RC выдает точные прогнозы только если предварительно получит большой объем готовых данных о траекториях движения маятника.