Методы обучения физических нейронных сетей, такие как подходы на основе обратного распространения ошибки и не требующие обратного распространения ошибки, исследуются для того, чтобы позволить масштабировать модели искусственного интеллекта далеко за пределы текущих небольших лабораторных демонстраций, потенциально повышая вычислительную эффективность.