12:32arXiv cs.LG@Kyungeun Kim, Amanuel Anteneh, Israel Klich, Olivier Pfister, J. M. Schwarz精选研究人员提出了一种名为Perturbative Contrastive Physical Learning (PCPL) 的通用框架,让物理系统能够通过对比不同条件下的响应来学习,无需外部处理器或显式反向传播。PCPL统一并扩展了平衡传播和频率传播等方法,通过测量物理状态之间的对比来驱动参数更新。该框架在弹簧网络和连续变量光子电路两种平台上成功演示了分类和模拟乘法任务。这一进展为构建更自主的物理学习系统迈出了重要一步。论文物理学习PCPL反向传播替代平衡传播光子计算推荐理由:PCPL 让物理系统自己学会学习,做物理计算或类脑计算的团队值得关注——它可能开启无需数字芯片的自主训练新范式。原文