玻璃景观中的反馈式衰老作为物理系统中的新兴学习
原文中文，约400字，阅读约需1分钟。发表于：。通过训练线性物理网络学习线性变换，我们发现它们的物理特性如何随着权重更新规则的变化而演化。我们的研究结果突出了这些网络的学习行为与无序和玻璃系统中的衰老和记忆形成过程之间的惊人相似性。我们展示了学习动力学类似于一种衰老过程，在输入力的作用下，系统通过反馈边界力的重复应用而松弛，从而编码输入输出关系的记忆。随着这种松弛，相关长度增加，这可以通过网络组件的两点相关函数来表示。我们还观察到，随着纪...
该研究发现，训练线性物理网络学习线性变换的过程类似于无序和玻璃系统中的衰老和记忆形成过程。学习动力学类似于衰老过程，通过反馈边界力的重复应用而松弛，从而编码输入输出关系的记忆。均方误差的平方根采取非指数形式，这是玻璃系统的典型特征。这种物理解释表明，新兴学习可以是非常普遍的，可以作为生物系统中学习的非常早期的物理机制。
