弹性网络中耦合学习的实验演示

耦合学习是一种对比式方案，用于调节网络中单个元素的属性，以实现系统所需功能。它利用物理机制既通过局部规则进行学习，又“计算”对输入数据的输出响应，从而使系统能够执行去中心化计算，无需处理器或外部存储器。我们展示了一个概念验证机械网络，该网络可通过迭代调节单个弹簧原长来学习自对称化等简单任务。这些机械网络可望被扩展与自动化以解决日益复杂的任务，暗示了一类新型智能超材料。