研究人员表示，模拟电阻网络有望实现“无需处理器的机器学习” (www.hackster.io)

宾夕法尼亚大学的研究人员提出了一种有趣的机器学习方法，可以通过模拟电阻网络直接工作，无需处理器，这可能有助于解决该领域不断增长的电力需求。研究人员解释说，现有的机器学习算法需要对大型非线性网络进行微分，这个过程速度慢且耗电。而他们的非线性学习超材料提供了一种潜在的快速、高效和容错的模拟机器学习硬件，并且该系统在图像分类网络和非线性回归以及异或（XOR）操作中都显示出应用潜力。