利用直观的局部演化规则进行物理学习
机器学习
2026-02-16 v1
摘要
机器学习尽管流行且易于使用，但其计算密集且功耗极高，促使人们对学习任务的替代物理实现产生兴趣。我们引入了一种旨在最小化功耗的物理系统训练方案，其中仅边界参数(即输入和输出)受外部控制。利用该方案，这些边界自适应状态调节系统(BEASTS)通过利用局部物理规则进行学习。我们的方案 BEASTAL(BEAST-Adaline)是此类系统中最接近 Adaline 算法的模拟。我们在仿真中针对回归和分类任务演示了这种自主学习。我们的方法通过使用直观的局部演化规则推进了先前的物理学习方案，无需大规模内存或复杂的内部架构。BEASTAL 可以执行任何线性任务，并在局部演化规则为非线性时取得最佳性能。
引用
@article{arxiv.2507.19561,
title = {Harnessing intuitive local evolution rules for physical learning},
author = {Roie Ezraty and Menachem Stern and Shmuel M. Rubinstein},
journal= {arXiv preprint arXiv:2507.19561},
year = {2026}
}
备注
26 pages, 6 figures (with appendices). Submitted to Physical Review E