每个元件只看到附近的信息，整个电路怎样学出指定的输入输出关系？

研究对象

可调电阻或晶体管构成的模拟网络；以明确的输入、目标输出、局部测量和参数更新协议为比较单位。

为什么值得做

把局部可用信息与全局功能联系起来，区分物理响应的松弛、参数的学习以及外部训练装置各自承担的工作。

待比较的机制

• 自由响应与目标约束响应的局部对比更新
• 局部演化规则在特定任务与物理条件下形成有效调整
• 外部计算器估计全局误差后直接调整元件，作为控制分工对照

与父库的分界

2026-09-08更新父库227篇快照并核physical learning、coupled learning等词；复核父库训练统计物理正文，未见本篇的局部电路训练对象。本库T08正文比较同预算输运环路的功能与形成，本篇固定拓扑研究目标注入、局部参数更新、单输出梯度条件和真实晶体管硬件的分工，主问题与承重证据不同。

证据入口

1. Machine learning without a processor: Emergent learning in a nonlinear analog network

   2024 · 原始非线性模拟电路学习实验 · 全文入口已核

2. Physical Networks Become What They Learn

   2025 · 原始理论与网络模型；已核公开预印本的线性响应与已满足任务条件 · 全文入口已核

入口初筛 2026-09-08；课题尚未完成时，这些材料不代表已有研究结论。