一次训练，能否改变材料以后学习新任务的能力？

研究对象

可复算弹性网络，比较单任务、交替任务与匹配初态对照；在共同误差目标和更新/时间预算下施加未参与预训练的任务，测参数改变量与可达响应。

为什么值得做

作为专题收束，拟把功能保留、学习速度与结构可调整性接起来；检查交替训练是否选择特殊结构、只是提供更好的起点，或在新任务上没有优势。

待比较的机制

• 训练选择相距较近的功能解，使特定已见任务之间更容易切换
• 形成对一类新任务也有效的响应结构或可调方向
• 表观收益来自任务相似、外部优化器状态、额外预算或更差的当前功能

与父库的分界

专题第8篇，前七篇形成后综合。T77已研究长期训练后的可塑性，T57研究奖励间隔，T108研究宏观操作；本题需核材料结构、力平衡和实际参数改动，并用未见任务区分局部切换与广泛适应。PNAS2023基础是设计优化和模拟，不冒充自主学习硬件；不把任务切换更快等同所有新任务都更易学。父库归纳/耗散适应作入口，不预设周期或脉冲训练更优。

证据入口

1. Learning to learn by using nonequilibrium training protocols for adaptable materials

   2023 · PNAS120,e2219558120，2023-06-26；核出版方/作者机构摘要与弹性网络、异质聚合物模拟说明。切换目标改变可适应性，不自动等于自主局部学习硬件；全文方法、附件、设计优化资源待补核。 · 摘要或题录入口已核

入口初筛 2026-10-09；课题尚未完成时，这些材料不代表已有研究结论。