物理神經網絡是一種類型的人工神經網絡，其中可電調整的材料被用來模擬一個的功能神經突觸。“物理”神經網絡用于強調對用于模擬神經元的物理硬件的依賴，而不是基于軟件的方法來模擬神經網絡。更一般而言，該術語適用于其他人工神經網絡，其中憶阻器或其他電可調電阻材料用于模擬神經突觸。

在1960年代，Bernard?Widrow和Ted Hoff開發了ADALINE（自適應線性神經元），它使用稱為介導子（記憶電阻器）的電化學電池來模擬人造神經元的突觸。介電常數實現為基于銅的可逆電鍍操作的3端子設備，因此兩個端子之間的電阻由通過第三端子施加的電流的積分來控制。ADALINE電路在1960年代由Memistor公司進行了短暫的商業化處理，從而實現了模式識別中的某些應用。然而，由于不使用集成電路制造技術來制造介導器，因此該技術不可擴展，并且隨著固態電子設備的成熟而最終被放棄。

1989年，Carver Mead出版了他的《模擬VLSI和神經系統》一書，可能是模擬神經網絡最常見的變體。物理實現是在模擬VLSI中實現的。通常將其實現為低反相的場效應晶體管。可以將此類設備建模為跨線性電路。這是巴里·吉爾伯特（Barrie Gilbert）在1970年代中期發表的幾篇論文中描述的一種技術，尤其是他在1981年發表的《跨線性電路》。通過這種方法，可以將電路分析為一組穩態的良好定義的函數，這樣的電路組裝成復雜的網絡。

Alex Nugent將物理神經網絡描述為一個或多個類似于神經元的非線性節點，這些節點用于求和信號和由納米粒子、納米線或納米管形成的納米連接，這些信號決定了輸入到節點的信號強度。納米連接的排列或自組裝由施加的電場的執行歷史來確定，該電場執行類似于神經突觸的功能。這種物理神經網絡的許多應用都是可能的。例如，時間求和設備“納米連接”可以由具有一個輸入和一個輸出的一個或多個納米連接組成，其中提供給該輸入的輸入信號使一個或多個納米連接隨時間經歷其連接強度的增加。

Nugent和Molter證明，通過操作AHaH可塑性規則的簡單憶阻電路，可以通過操作實現通用計算和通用機器學習。最近，有人爭論說，純憶阻電路的復雜網絡也可以用作神經網絡。

2002年，斯坦福·奧夫辛斯基（Stanford Ovshinsky）描述了一種模擬神經計算介質，其中相變材料具有累積響應多個輸入信號的能力。相變材料的電阻的電氣變化用于控制輸入信號的加權。

惠普實驗室的?Greg Snider?描述了一種具有憶阻性納米設備的皮質計算系統。所述的憶阻器（存儲器電阻）由其中電阻被電經由膜中的離子或氧空位的傳輸調諧薄膜材料實現。DARPA的SyNAPSE項目已與波士頓大學認知和神經系統系（CNS）合作、資助了IBM Research和HP Labs來開發可能基于憶阻系統的神經形態架構。