非线性波系统中的近平衡传播训练

反向传播学习算法是现代人工智能的核心，但在物理神经网络中实现起来困难。平衡传播 (Equilibrium Propagation, EP) 是一种具有相当效率和强大潜力的替代方案，可用于原位训练。我们将 EP 学习扩展到离散和连续复数型波系统。与以前的 EP 实现不同，我们的方案在弱耗散 regime 下有效，并且可应用于广泛的物理环境，即使没有明确定义的节点，其中可由可训练的局部势取代可训练的节点间连接。我们在由广义格罗斯-皮塔沃斯基动力学 governing 的受控耗散极化子凝聚体中进行测试。针对标准基准（包括简单逻辑任务和手写数字识别）进行数值研究，结果表明方法具有稳定的收敛性，为受限系统控制只能调节局部参数的物理系统进行原位学习提供了一条实用路径。