Un cadre d'apprentissage automatique utilisant des systèmes dynamiques pour le traitement de données temporelles.Le calcul par réservoir est un paradigme d'apprentissage automatique qui exploite la dynamique intrinsèque d'un système physique ou simulé—le « réservoir »—pour traiter des données temporelles. Au lieu d'entraîner l'ensemble du réseau, seule une couche de lecture simple est entraînée, tandis que le réservoir reste fixe. Cela le rend très efficace pour des tâches telles que la prédiction de séries temporelles, la reconnaissance de formes et le traitement du signal, et il peut être implémenté sur du matériel non conventionnel, des systèmes optiques aux dispositifs magnétiques.
Le calcul par réservoir est apparu au début des années 2000 à partir de deux développements indépendants : les réseaux à écho d'état de Herbert Jaeger et les machines à états liquides de Wolfgang Maass.
Le réservoir est un système dynamique qui transforme les signaux d'entrée en un espace d'états de haute dimension, où les transformations non linéaires rendent les données plus linéairement séparables. La couche de lecture, souvent une régression linéaire, apprend à mapper ces états vers les sorties souhaitées. Comme les connexions internes du réservoir ne sont pas ajustées, l'entraînement est rapide et nécessite des ressources de calcul minimales, ce qui le rend adapté aux applications en temps réel et en périphérie.
Il est utilisé en robotique pour le contrôle moteur, en télécommunications pour l'égalisation de canal, et en recherche scientifique pour modéliser des systèmes dynamiques complexes, y compris les systèmes quantiques et la dynamique des fluides.
Les réservoirs physiques peuvent être fabriqués à partir de presque n'importe quel système non linéaire, y compris un seau d'eau, un laser chaotique, ou même un bras de robot souple.











