13:46arXiv cs.LG@Dimitri Vanden Abeele, Daniele Veraldi, Davide Pierangeli, Claudio Conti, Serge Massar研究人员利用空间光子伊辛机(SPIM)实现了平衡传播(EP)算法的混合光学-数字实现。该方案通过空间光调制器以相位调制方式光学编码连续神经元状态和秩1二进制可训练模式,并用有限差分法完成推理。实验在Wine分类数据集上验证了系统可行性,数值模拟进一步展示了连续耦合和结构化耦合矩阵在MNIST数据集上的潜力。这项工作为低能耗的物理实现平衡传播提供了具体路径。论文光子计算平衡传播伊辛机低能耗训练物理实现推荐理由:光子计算与机器学习交叉领域的研究者值得关注——SPIM实现EP算法为低功耗训练开辟了新方向,尤其适合对能效敏感的硬件部署场景。原文
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