第1章　リザバーコンピューティングの概要
　1. リザバーコンピューティングとは
　2. ニューラルネットワーク
　3. リカレントニューラルネットワーク
　　3.1　短期記憶とEcho State Property
　　3.2　基本的な学習モデル：Echo State Network
　　3.3　線形ESN とESP
　4. リザバーコンピューティング
　　4.1　ミニマルユーザーガイド　
　　4.2　学習誤差、テスト誤差、汎化誤差
　　4.3　過学習と正則化
　5. リザバーコンピューティングの数理的側面
　　5.1　幾何的解釈と他手法との比較
　　5.2　一般化同期写像に基づくRC の解釈
　6. まとめと今後の課題

第2章　リザバーコンピューティングのソフトウェア実装
　1. Echo State Network のソフトウェア実装
　　1.1　Echo State Network の数理モデル
　　1.2　Echo State Network の最適化ポイント
　　1.3　ESN に対するソフトウェア実装フレームワーク
　　1.4　ESN のベンチマークデータへの適用
　　　1.4.1　音声認識タスク
　　　1.4.2　MNIST ベンチマーク
　2. Liquid State Machine のソフトウェア実装
　　2.1　Liquid State Machine の数理モデル
　　2.2　Liquid State Machine の最適化ポイント
　　2.3　LSM に対するソフトウェア実装フレームワーク
　　2.4　LSM のベンチマークデータへの適用

第3章　ハードウェアデバイスへの実装
　1. 専用ディジタル回路設計、およびFPGA 実装の際の注意すべきポイント
　2. Echo State Network のFPGA 実装
　　2.1　計算モデルとアルゴリズム
　　2.2　ハードウェア設計
　　2.3　実装結果と効果
　3. LUTNet を取り入れたRC モデルのFPGA 実装
　　3.1　計算モデルとアルゴリズム
　　3.2　ハードウェア設計
　　3.3　実装結果と効果

第4章　物理リザバーコンピューティングの現状
第1節　物理リザバー計算の射程と含意
　1. 物理リザバー計算の概要
　2. 物理リザバー計算における3 つのphase
　3. ESP とその外部
　4. Dead trout 実験解題
　5. 物理リザバーの境界
　6. Mortal Computation としての物理リザバー計算
　7. 結びに変えて：「計算」という言葉について

第2節　光を用いたリザバーコンピューティング
　1. 光RC の特徴
　　1.1　光のどのような性質を活かすべきか？
　　1.2　光演算が抱える課題
　2. 実装方式
　　2.1　空間光学系方式
　　2.2　時間遅延ノード方式
　　2.3　光集積回路方式
　3．応用範囲及び今後の展望
　　3.1　応用
　　3.2　今後の技術展望

第3節　スピン波を用いた物理リザバーコンピューティング
　1. 物理リザバーコンピューティング特有の特徴
　2. リザバーの機能性を発揮するための指針
　3. 局在スピンを伝播するスピン波
　4. 電子デバイス応用
　5. リザバーコンピューティング性能を高めるためのアイデア
　6. 入力信号のエンコード、出力信号のデコード
　7. コンピューティングシステムと具体的な計算タスク
　8. 計算性能と考察
　　8.1　物理リザバーコンピューティング原理の理解

第4節　ナノ分子材料を用いたリザバーコンピューティング
　1. 原理と利点
　　1.1　マテリアルリザバーの概念
　　1.2　ナノ分子材料を用いる利点
　2. 実装方法
　　2.1　マテリアルリザバーにおける実装形態
　　2.2　多電極ネットワーク型方式1
　　2.3　二電極型方式
　　2.4　方式の比較と評価指標
　3. 応用範囲と評価の現状および今後の展望
　　3.1　マテリアルリザバーの評価指標
　　　3.1.1　記憶容量(Memory capacity, MC)
　　　3.1.2　波形生成および非線形時系列予測
　　　3.1.3　分類性能
　　　3.1.4　エネルギー効率と電力消費
　　3.2　応用範囲：インセンサ計算とエッジ推論の展開
　　3.3　マテリアルリザバー発展に向けた評価指標の整備及び技術課題
　　3.4　今後の展望

第5節　量子リザバーコンピューティング
　1. 原理と利点
　　1.1　QRC のリザバー状態を計算する方法
　　1.2　古典入力符号化
　　　1.2.1　環境状態による符号化
　　　1.2.2　ハミルトニアン駆動による符号化
　　　1.2.3　その他の符号化手法
　　1.3　QRC の高階化
　2. デバイス実装方法
　3. QRC の計算タスクと応用　　　
　　3.1　古典タスク
　　3.2　量子タスク
　　3.3　量子・古典ハイブリッド処理
　4. 量子リザバーのダイナミクス
　　4.1　減衰記憶特性(FMP) とエコー状態特性(ESP)
　　4.2　量子リザバーの情報処理能力
　　4.3　量子リザバーダイナミクスのレジーム
　　4.4　量子リザバーのダイナミクスデザイン
　5. まとめと展望

第5章　脳模倣アナログ・インメモリ計算
　　　―原理とリザバーコンピューティングへの応用―
　1. ニューロモルフィックハードウェアとアナログインメモリ回路について
　2. アナログ回路の基礎
　3. アナログインメモリ計算の原理
　　3.1　電流型インメモリ計算
　　3.2　電荷型インメモリ計算
　　3.3　電荷再分配型インメモリ計算
　4. リザバーコンピューティングとアナログインメモリ計算

第6章　リザーバーコンピューティング(RC)における能力と発展性
　　　　～情報処理能力と定量化手法および、物理リザバー等の閉ループ系のRC 研究動向～
　1. 情報処理能力によるリザバーコンピューティングの拡張
　　1.1　エコーステート性 ( 時不変性)
　　　1.1.1　情報処理容量
　　　1.1.2　情報処理能力の特徴量
　　　1.1.3　時変情報処理容量
　　1.2　一般化リザバーコンピューティング
　2. 閉ループ系を活用したリザバーコンピューティングの展開
　　2.1　閉ループ系を導入する動機
　　2.2　閉ループ系の難点
　　2.3　閉ループ系の定式化
　　　2.3.1　線形閉ループ系の学習手法
　　2.4　閉ループ系による分岐埋め込み

第7章　産業分野への応用
第1節　ソフトロボティクスと動作制御システム
　1. 産業におけるロボットの動作制御
　　1.1　産業界におけるロボットの活用
　　1.2　従来のロボット制御とその課題点
　　1.3　ソフトロボティクス
　2. リザバー計算によるセンシング
　　2.1　空気圧人工筋の起源と特徴
　　2.2　リザバー計算の構成　
　3. 物理リザバー計算に基づくロボットのセンシングと制御
　　3.1　身体による情報処理
　　3.2　ロボティクスにおける物理リザバー計算
　　3.3　関数近似において物理身体の果たす役割
　　3.4　物理リザバー計算による動作制御
　　　3.4.1　物理リザバー計算の構成
　　　3.4.2　情報処理能力の定量
　　　3.4.3　開ループによるセンシング
　　　3.4.4　閉ループによる自律制御
　4. 発展的話題
　　4.1　学習手法としての特性
　　4.2　情報処理能力の改善
　　4.3　将来の方向性
　　　4.3.1　制御器- 身体- 環境中の計算資源の一体的活用
　　　4.3.2　生物への拡張
　　　4.3.3　リザバー計算の拡張

第2節　異常検知/ 故障検知への応用と軽量ハードウェアへの実装
　1. 異常検知/ 故障検知ニーズに対応するリザバーコンピューティング
　2. ロボット関節サーボモータの異常検知/ 故障検知
　3. 異常検知/ 故障検知の応用展開
　4. 軽量ハードウェアへの実装
　　4.1　省資源マイコンへの実装
　　4.2　FPGA への実装
　　4.3　AI マイコンへの実装

第3節　環境が計算するAI
　　　　～環境物理リザバーコンピューティングの導入と応用～
　1. 環境で“計算”するvs 環境が“計算”する
　2. 事例紹介：環境物理RC の実証
　　2.1　植物の揺れによる風向・風速推定
　　2.2　都市高速道路における渋滞発生予測
　　2.3　ミニチュア交通模型のオンライン予測
　3. 考察
　　3.1　環境物理RC の利点と限界
　　3.2　既存RC 研究と位置づけ
　　3.3　深層学習との棲み分け
　　3.4　社会受容性のために
　　3.5　教育や人材育成の観点から

第4節　イン・ネットワーク・コンピューティングへの応用
　1. イン・ネットワーク・コンピューティングとは
　2. イン・ネットワーク・コンピューティングにおける機械学習処理
　3. リザバー・コンピューティングのイン・ネットワーク・コンピューティングへの適用
　
第8章　AI・機械学習関連特許戦略
　1. AI 技術に関する特許の概要
　　1.1　AI 技術の特許類型
　　　1.1.1　AI コア発明を主題とする特許
　　　1.1.2　AI 適用発明を主題とする特許
　2. 特許戦略における考え方
　　2.1　戦略とは何か
　　2.2　AI 技術の性質と特許制度
　　2.3　特許戦略の仮想事例
　　　2.3.1　AI 技術が組み込まれたプロダクトの提供(toC)
　　　2.3.2　AI 技術が組み込まれたプロダクトの提供(toB)
　　　2.3.3　AI 技術に関する他社との協業
　　　2.3.4　AI 技術の公開( 学術論文、プレスリリース、又はOSS による公開)
　　2.4　特許戦略の実際の事例
　　2.5　どのような( または、どのように)AI 技術を特許化すべきか
　　2.6　リザバー技術をどのように特許化すべきか