물리계의 반응 차이를 활용한 학습 프레임워크

한줄 요약

PCPL은 물리계의 섭동 반응 차이를 대비하여 학습하는 일반적 프레임워크로, 외부 역전파 없이 물리계 자체의 응답으로 학습이 가능하다.

풀어야 하는 문제

기존 물리 학습 방법(예: 평형 전파)은 특정 에너지 기반 시스템에 국한되거나, 외부 프로세서의 중앙 집중식 그래디언트 계산이 필요했다. 더 일반적이고 자율적인 물리 학습 시스템이 필요하다.

접근 방법

입력, 경계 조건, 매개변수 또는 해석 함수에 대한 제어된 변화로 생성된 물리 상태 간의 측정 가능한 대비를 활용한다. PCPL은 평형 전파와 주파수 전파를 통합하며, 국소 민감도 또는 전역 역문제 구조를 반영하는 대비 기반 업데이트를 사용한다. 외부 프로세서 없이 시스템의 물리적 응답에서 학습 기하가 암시적으로 나타난다.

결과·기여

스프링 네트워크와 연속 변수 광자 회로 두 플랫폼에서 분류 작업을 성공적으로 학습했다. 광자 회로는 아날로그 곱셈을 구현하도록 훈련되어 더 자율적인 물리 학습 시스템으로의 진전을 보였다.