机械系统也能自主学习！密歇根大学团队构建了全新数学框架，登上Nature Communications

文章预览

将 ScienceAI   设为 星标 第一时间掌握 新鲜的 AI for Science 资讯 编辑丨 & 受人脑复杂运作的启发，神经网络已经彻底改变了各个领域的生产研究现状。然而，考虑到基于计算机的神经网络需求的大量计算与极高能耗，特别是传统数字处理器的能源效率，机械神经网络的发展逐步被提上日程。 在光学神经网络中，波-物质相互作用被用来实现机器学习，类似的思路也可以被用来建立机械神经网络（MNN）的学习框架。 受神经科学的启发，来自密歇根大学的 UM 团队设计了一种算法，为机械神经网络的工作方式的自主学习提供了一个数学框架。 这是一种 MNN 的训练协议，基于原位反向传播。源自伴随变量方法，其理论上从局部信息中就能获得精确的梯度。 除了用作计算设备之外，这些 MNN 作为可持续和自主的材料系统，还为材料科学和机械工程提供了前所 ………………………………