Methoden zum Trainieren physikalischer neuronaler Netze, wie z. B. Backpropagation-basierte und Backpropagation-freie Ansätze, werden erforscht, um eine Skalierung von Modellen der künstlichen Intelligenz weit über die derzeitigen kleinen Labordemonstrationen hinaus zu ermöglichen und so die Recheneffizienz zu verbessern.