IoTやエッジAIの普及に伴い、産業現場（エッジ）では低遅延のリアルタイム処理、低消費電力、低コスト（省リソース）の両立が求められています。
リザバーコンピューティングは、それに応える「軽いAI」であり、エッジでの学習・推論に適した技術として近年注目されています。

一般的なニューラルネットワークと異なり、内部状態（＝リザバー）は固定し、出力層のみを学習することで短時間学習／低計算負荷を実現します。 そのため、高性能GPU搭載の学習用PCやクラウド計算資源を利用しなくとも、組込CPU基板などのエッジデバイス上でもAI学習が可能です。さらに、運用しながら最新のデータを学習することにより、運用環境の変化へ適用できます。
音・振動・電流・温度などの時系列・非線形データに強く、予測・ノイズ除去・異常検知といったアプリケーションへの応用に適しています。これらの特性が、組込み・エッジAIの制約（電力・発熱・演算資源）にフィットします。

■ 北海道大学との共同研究

当社は、「リザバーコンピューティングによる物理ダイナミクスの獲得およびその異常検知応用」をテーマに、北海道大学大学院 情報科学院 情報科学専攻 情報エレクトロニクスコース 集積ナノ システム研究室（浅井 哲也教授）と共同研究を進めてきました。低コストで限定的な計算リソース環境下でも、産業機械の動作状況のリアルタイム監視・異常検知を実現するシステムの開発を目指し、実用化に向けて研究開発を継続しています。