反向传播算法中，计算梯度的核心数学工具是(__)，用于链式传递各层的梯度。

本题考查反向传播算法中计算梯度的核心数学工具相关知识。解题思路是明确反向传播算法的工作原理，它需要将输出层的误差梯度逐层传递到输入层，而要实现这种梯度的传递，就需要一种能处理复合函数求导的数学工具。

在反向传播算法里，神经网络可以看作是一个复合函数，每一层的输出都是下一层的输入，整个网络的输出是关于各层输入的复合函数。为了计算这个复合函数关于各层输入的梯度，就需要用到链式法则。链式法则指出，如果有复合函数 $y = f(g(x))$，那么它的导数 $\frac{dy}{dx}=\frac{dy}{dg}\cdot\frac{dg}{dx}$。在神经网络中，每一层都可以看作是一个函数，通过链式法则可以将输出层的梯度逐层分解，计算出每一层的梯度，从而实现梯度从输出层向输入层的逐层传递。