In the context of physical reservoir computing, the key challenge is identifying scalable and technologically accessible materials with controllable dynamic properties suitable for implementing neuromorphic computing architectures. Materials with hopping mechanism of transport are assumed to be promising for these purposes. In this work, reservoir computing based on a charge carrier hopping transport model in a lattice of localized states with energy disorder is investigated. The feasibility of adapting output layer weights for forecasting complex nonlinear stochastic time series is demonstrated. Numerical modeling was conducted that confirms the architecture’s potential for forecasting tasks, while revealing limitations of its feedforward neural network-like topology with preferential charge transport direction. It has been established that to enhance the efficiency of such neuromorphic systems, future developments must incorporate off-diagonal disorder and memristive effects caused by current-dependent hopping rate modifications between nodes. The results obtained provide important practical insights for designing novel neuromorphic computing architectures based on hopping transport semiconductor systems.
В контексте физических резервуарных вычислений ключевой проблемой является поиск масштабируемых и технологически доступных материалов с управляемыми динамическими характеристиками и пригодных для реализации нейроморфных вычислительных структур. Материалы с прыжковым механизмом переноса представляются перспективными для этих целей. В работе исследованы резервуарные вычисления на основе модели прыжкового транспорта носителей заряда в сетке локализованных состояний с энергетическим беспорядком. Показана возможность адаптации весов выходного слоя для прогнозирования сложных нелинейных стохастических временных рядов. Численные эксперименты подтверждают эффективность предложенного подхода. Выявлены ограничения используемой топологии, аналогичной нейросети прямого распространения с преимущественным направлением переноса заряда. Для дальнейшего повышения эффективности подобных нейроморфных систем необходимо учитывать недиагональный беспорядок и мемристивные эффекты, возникающие при модификации скорости перескоков между узлами под действием протекающего тока. Полученные результаты могут использоваться при разработке новых архитектур нейроморфных вычислительных систем на основе полупроводниковых систем с прыжковым транспортом.