科学家利用福尔马林反应演示化学储层计算
荷兰拉德堡德大学分子与材料研究所的研究人员证明，复杂的自组织化学反应网络可以执行各种计算任务，例如非线性分类和复杂动力学预测。分子计算领域吸引了那些希望利用化学和生物系统计算能力的研究人员。在这些系统中，化学反应或分子过程充当储存器计算机，将输入转换为高维输出。
这项研究发表在《自然》杂志上，由拉德堡德大学的 Wilhelm Huck 教授领导。
研究人员已经挖掘了化学和生物网络的潜力，因为它们具有复杂的计算能力。然而，实施分子计算在工程和设计方面存在挑战。
Huck 教授和他的团队并没有尝试设计分子系统来执行特定的计算任务，而是探索自然复杂的化学系统如何表现出新兴的计算特性。
“我对导致生命起源的化学驱动力非常感兴趣。在这种情况下，我们正在寻找化学进化可以塑造复杂反应混合物特性的机制。这项研究促使我们思考分子系统如何处理信息，”他向 Phys.org 解释道。
甲醛反应
福尔马林反应是一种在催化剂氢氧化钙的作用下由甲醛合成糖的化学反应。之所以选择这种反应，是因为它具有独特的性质。
Huck 教授解释道：“虽然化学在外行人看来可能很复杂，但大多数反应序列都是线性的。福尔马糖反应是自组织反应网络的唯一例子，具有高度非线性的拓扑结构，包含许多正反馈和负反馈回路。”
换句话说，该反应并不简单，会产生多种中间化合物，这些中间化合物会进一步反应形成新化合物。这些动态反应会产生多种化学物质，并且本质上是非线性的。
此外，该网络还包括放大反应结果的正反馈回路和抑制反应结果的负反馈回路。
该网络被称为“自组织”，因为它可以自然进化并对化学输入做出反应，而无需外部干预，从而产生多种多样的输出。
计算能力源自网络的固有属性，而不是明确编程的，这使得计算非常灵活。
福尔马糖储存器计算机中的记忆和预测。
实施水库计算机
研究人员使用连续搅拌釜式反应器 (CSTR) 来实现甲醛反应。通过控制四种反应物（甲醛、二羟基丙酮、氢氧化钠和氯化钙）的输入浓度来调节反应网络的行为。
使用质谱仪识别输出分子，这使得它们能够追踪多达 106 个分子。此设置可用于进行计算，反应物浓度是需要计算的任何函数的输入值。
但首先，必须对系统进行训练以找到此计算的结果，这可以通过一组权重来完成。
“我们需要找到一组权重，将质谱仪中的轨迹转换为计算的正确值。这是一个线性回归问题，计算起来很简单。完成后，储层计算机将针对任何新输入计算该函数的结果，”Huck 教授解释说。
权重是决定每个输入对输出影响的系数。这一训练步骤至关重要，因为它允许储存器学习和预测输入的变化如何影响输出，从而可以预测一组新输入的输出。
计算能力
研究人员使用储层计算机执行了几项任务。第一项是执行非线性分类任务。储层计算机可以模拟所有布尔逻辑门，甚至可以处理更复杂的分类，如异或、棋盘格、圆和正弦函数。
研究团队还表明，它可以预测大肠杆菌复杂代谢网络模型的行为，准确捕捉不同浓度范围内波动输入的线性和非线性响应。
此外，该系统还展示了预测混沌系统（洛伦兹吸引子）未来状态的能力，可以准确预测未来几小时的三个输入维度中的两个。
研究小组还发现，系统中的某些化学物质表现出短期记忆，保留了有关过去输入的信息。
他们还演示了使用比色反应进行完全化学读数的概念验证，展示了如何在没有电子测量设备的情况下解释系统的状态。
换句话说，可以通过化学反应的颜色变化来解释系统的状态，从而无需电子测量设备。
生命起源、神经形态计算及其他
这种新的分子计算方法可以弥合人工系统与活细胞信息处理能力之间的差距。
它提出了一种更具可扩展性和灵活性的分子计算方法，为创建无需外部电子控制即可处理信息并对环境做出反应的自主化学系统开辟了可能性。
Huck 教授表达了他的团队对这一领域的兴趣，他说：“我们能否将储层计算嵌入到化学系统中，以感知环境、处理这些信息并采取正确的行动？
“这需要将储存器与其他元素结合起来，将化学大脑的输出转化为某种形式的机械反应或与活细胞的相互作用。”
这项研究对生命起源也有着有趣的启示。这种相对简单的化学系统所展现出的计算特性或许能让我们了解早期生物系统如何发展出信息处理能力。
Huck教授提到，这是他研究油藏计算的最初动机。
研究团队还看到了神经形态计算的潜力，它模仿人类大脑的神经结构和功能来提高计算效率和能力。
“我们非常有兴趣探索福尔马林储层计算机计算能力的技术极限——这是与 IBM 苏黎世分校合作进行的一项研究。储层计算是神经形态计算的一个例子，它引起了人们的兴趣，因为它预计比传统计算机消耗更少的能量，”Huck 教授解释说。
页:
[1]