各種形式的模式識(shí)別，特別是機(jī)器學(xué)習(xí)，已經(jīng)被廣泛應(yīng)用于各種現(xiàn)代技術(shù)。通過(guò)發(fā)現(xiàn)數(shù)據(jù)中的模式，機(jī)器學(xué)習(xí)能夠?qū)⒋祟?lèi)模式轉(zhuǎn)變?yōu)榭衫斫獾男畔ⅲ热?，識(shí)別自動(dòng)駕駛汽車(chē)行進(jìn)路徑上的物體，或者識(shí)別入侵者的熱特征等。

以與機(jī)器學(xué)習(xí)類(lèi)似的方式，一種名為“儲(chǔ)備池計(jì)算"（reservoir computing）的新興框架可用于從數(shù)據(jù)中學(xué)習(xí)模式。此種計(jì)算形式的關(guān)鍵是采用一個(gè)復(fù)雜的系統(tǒng)，通過(guò)該系統(tǒng)對(duì)信息進(jìn)行重復(fù)計(jì)算。這一切可通過(guò)一種循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）來(lái)完成，該網(wǎng)絡(luò)采用動(dòng)力系統(tǒng)或“儲(chǔ)備池"來(lái)執(zhí)行模式識(shí)別任務(wù)。

不過(guò)，傳統(tǒng)的RNN由大量獨(dú)立、相互連接的節(jié)點(diǎn)或具有多個(gè)參數(shù)的神經(jīng)元構(gòu)成，會(huì)導(dǎo)致此類(lèi)系統(tǒng)笨拙、難以訓(xùn)練，甚至?xí)?dǎo)致高能量消耗，從而阻礙應(yīng)用。儲(chǔ)備池計(jì)算則通過(guò)隨機(jī)選擇參數(shù)以及只訓(xùn)練輸出節(jié)點(diǎn)來(lái)簡(jiǎn)化這一點(diǎn)，極大地降低復(fù)雜性。

最近的研究已經(jīng)轉(zhuǎn)向采用能夠執(zhí)行模式識(shí)別任務(wù)的物理基礎(chǔ)，來(lái)進(jìn)行儲(chǔ)備池計(jì)算。只要此類(lèi)材料足夠復(fù)雜、非線性（輸入的變化不一定與輸出的變化相同），并且具有漸漸減弱的記憶特性，即該系統(tǒng)隨著時(shí)間的推移，回憶過(guò)去輸入的信號(hào)的能力逐漸減弱，其就能夠發(fā)揮儲(chǔ)備池的作用。