400粒子の液体コンピューター、カオスを予測するもメムリスターに後れ

Tom Hardwareは、カオス信号を予測する400粒子の液体コンピューターに注目した。ただし、その誤差は主要なメムリスター型リザバーのおよそ10倍に達するという。

この実験を行ったのは、コンスタンツ大学とシュトゥットガルト大学の物理学者らだ。プロセッサーには、温度制御された液体内を周回する微小なシリカ球を用いる。粒子間の流体力学的相互作用が、計算の一部を担う。

この成果は、SFと半導体工学の対決のようにも聞こえる。しかし実際の比較は、より限定的で、しかも示唆に富むものだ。液体システムは真の並列ダイナミクスと調整可能な物理的結合を備える一方、メムリスターは精度と実用性で大きな優位を保っている。

研究者らは、デジタルプロセッサーを置き換える製品を提示しているわけではない。彼らの発表済みの研究は、物理リザバーコンピューティングの原理実証を説明している。この手法では、材料の変化する状態が時系列情報を処理し、その後に単純な学習済み層が答えを出す。

このシステムは、標準的なカオス時系列の予測に成功し、その内部に隠された異常も検出した。さらに、入力を受け取った振動子が5分の1だけの場合でも動作を継続した。

ただし、この装置にはレーザー、顕微鏡、ビーム操作機器、温度制御装置、そして読み出し用の一般的なコンピューターが必要だ。エネルギー効率での優位性を示す測定値は報告されていない。

したがって、この実験が変えるのは研究者が構築できるものではあっても、コンピューティングの顧客が購入できるものではない。有意な規模で能動コロイド計算を実証する一方、創意ある基板と競争力のあるハードウェアとの隔たりも浮き彫りにしている。

Tom Hardwareの液体コンピューターは400個の周回粒子を使う

この実験では、400個の微小振動子による集団運動を、調整可能な情報処理リザバーへと変換する。

各振動子は、半径3マイクロメートルのシリカ球から始まる。研究者らは、その半球の一方を厚さ80ナノメートルの光吸収性カーボン層で覆う。

球体は、水と重量比26.8パーセントの2,6-lutidineを含む混合液に懸濁される。この流体の下限臨界溶液温度は34度Cだ。

混合液は、高さ200マイクロメートルの石英セル内に収められる。研究者らはセルを28度C、すなわち臨界温度を十分下回る温度に維持する。

集束させた532ナノメートルのレーザーが、各球体のカーボン被覆側を加熱する。局所的な加熱により周囲の混合液が非対称に分離し、自己泳動運動を生じさせる。この用語は、粒子が周囲の流体に作り出す勾配によって引き起こされる運動を指す。

レーザーの焦点は粒子中心から2.4マイクロメートル離れた位置に置かれる。この焦点を動かすことで、研究者らは粒子の推進方向を決定できる。

二軸音響光学偏向器が、100 kHzでレーザーを走査する。そのため、数百個の粒子をほぼ同時に操作できる。顕微鏡とリアルタイム追跡システムは、粒子の位置を継続的に推定する。

制御ループは、各粒子を固定された目標位置へ推進しようとする。しかし、位置検出から次のレーザー調整までには遅延がある。

この遅延は、単なる工学上の欠陥ではない。球体は目標を通り過ぎ、直径およそ1マイクロメートルの持続的な軌道運動に入る。

その結果として生じるのが、能動コロイド振動子、すなわちACOだ。能動とは、粒子が局所的に供給されるエネルギーを継続的に消費して移動することを意味する。コロイドとは、周囲の液体内に懸濁された状態を指す。

研究者らは400個のACOを六方格子上に配置する。動く各粒子は液体をかく乱し、隣接粒子に影響する流れを生む。こうした流体力学的相互作用が、従来型の配線なしに振動子を結合する。

入力データは、粒子に割り当てられた目標位置を移動させることで与えられる。信号の変化に応じ、各目標は固定されたランダムに選ばれた方向へ移動する。

研究者らは配列を行に分け、その間で入力に遅延を与えることもできる。異なる時点の信号状態が液体を介して相互作用する。

この処理は、フェーディングメモリーをもたらす。これは、最近の入力の有用な痕跡を保持しつつ、無期限には保持しない性質だ。また非線形性ももたらし、単純な比例応答を超えて信号を変換できるようにする。

これらの特性により、配列は物理リザバーとなる。リザバー自体はほぼ学習されず、研究者らは複雑な状態を有用な予測へ変換する線形読み出し部だけを最適化する。

チームは振動子の位置と速度の両方を記録した。これらの観測値を、選択された点の周囲で局所平均を計算する1,000個のガウスカーネルで変換した。

次に、リッジ回帰で出力重みを学習した。この正則化された線形手法は、多数の入力特徴が重なる際の不安定なフィッティングを抑える。

そのため、この構成はハイブリッド型だ。流体が非線形変換を担い、時系列情報を保持する。画像化、特徴構築、学習、最終計算は従来の電子機器が処理する。

この区別は重要だ。実験を液体コンピューターと呼ぶのは妥当だが、すべての計算段階が液体内で行われることを意味するわけではない。

Tom Hardwareの技術解説は、この両面を捉えている。粒子は意味のある計算を行う一方、それらを動かし結果を解釈するには大がかりな実験機器が必要となる。

配列は仮想ノードなしでカオスを予測する

最も強い成果は記録的な予測精度ではなく、真の多粒子並列性にある。

研究者らは、Mackey-Glass系列を用いて能動コロイド計算プラットフォームを試験した。この数学的な系列は、遅延フィードバックを伴う非線形方程式を通じてカオス的な振る舞いを生み出す。

カオスは、完全なランダム性を意味しない。小さな差異が急速に拡大し、将来の値の予測を困難にする。この感度により、Mackey-Glassはリザバーコンピューティングの標準的なベンチマークとなっている。

実験では、6,700タイムステップにわたり信号を400個の振動子へ入力した。研究者らはデータの最初の80パーセントを学習に使用した。残りの20パーセントは別個の検証セットとなった。

1ステップ先の予測では、報告された構成の下で液体リザバーコンピューターは正規化二乗平均平方根誤差がおよそ0.1に達した。スコア0は完全な予測を表す。

論文では、より長い予測ホライズンも評価した。予測がさらに先へ進むほど精度は低下したが、これはカオス信号では予想される結果だ。

より重要なのは、集団ダイナミクスが、1つの物理コンポーネントを多数の逐次的な仮想ノードへ変換せずに入力を処理したことだ。time-multiplexingと呼ばれるこの手法では、異なる信号部分を連続する時点で1つのノードに提示する。

time-multiplexingは、限られたハードウェアで高次元リザバーを作り出せる。しかし、その仮想的な並列性は逐次動作と、慎重にタイミングを取った信号マスクに依存する。

これに対し、コロイド配列は数百個の物理的な振動子を同時に提供する。その次元性は、実際の粒子運動と空間をまたぐ相互作用から生まれる。

この点が、実験に独特の研究価値を与えている。能動的な物理要素の数は、計算を生み出す多体系ダイナミクスに直接対応する。

2024年の微粒子リザバーでは、遅延運動がカオス予測を支えられることがすでに示されていた。このシステムは、強いブラウン運動ノイズを扱うため、time-multiplexingされた入力と履歴状態を用いた。

新たな研究は、液体を介して数百個の振動子を結合することで、この考えを前進させた。計算は単独ノードだけでなく、集団的な振る舞いから生じる。

この配列は、調整可能な相互作用も提供する。流体を介する力は距離とともに低下するため、格子間隔を広げると流体力学的結合は弱まる。

研究者らは、各粒子が目標から離れる距離を制限する減衰パラメーターも個別に調整できる。間隔と減衰は合わせて、メモリー、非線形性、予測性能を変化させる。

シミュレーションでは、これらの設定により予測誤差が3倍以上変化することが示された。予測ホライズンが長くなるほど、より強い結合の重要性が高まった。

この調整可能性は、多くの製造済みデバイスとの違いとなる。チップの内部ネットワークを変更するには、しばしば構造の再設計が必要だ。ここでは、実験の稼働中にも結合を変更できる。

入力チャネルを増やしても、必ずしも結果は向上しなかった。数を1から10へ増やすと予測は改善したが、さらに追加すると性能は低下した。

したがって、リザバーは過負荷になる可能性がある。過剰な入力の複雑さは、容量を無制限に拡張するのではなく、有用な内部ダイナミクスを乱す。

研究者らが駆動した振動子が全体の20パーセントだけの場合でも、システムは高い予測精度を維持した。流体力学的相互作用が、残りの配列全体へ情報を広げた。

この回復力は、この実証の先にも意味を持つ。物理デバイスが、完全に同一な数学的ノードのように振る舞うことはほとんどない。

一部の粒子は、操舵レーザーへの応答が一時的に不完全だった。別の粒子は、泳動相互作用により短時間のクラスターを形成した。それでも、報告されたタスクに対する予測は十分に安定していた。

この耐障害性は、商用レベルの信頼性を証明するものではない。ただし、能動物質に固有の不完全性があっても有用な計算が維持できることを示している。

チームは、もう1つのカオスベンチマークであるLorenz attractorを使って、より広範なパラメーター分析を繰り返した。間隔、減衰、予測誤差の関係は、定性的に類似していた。

この結果により、観測された挙動がMackey-Glassだけに固有である可能性は低下する。ただし、同じ構成が制約のない実世界データへ一般化できることを証明するものではない。

したがって、この実験の成果はアーキテクチャにある。ノイズを伴い相互作用する数百個の粒子が、単一の物理媒体内でメモリー、非線形性、並列性、調整可能な結合を提供できることを示した。

隠れた異常が流体により実用的な試験を与える

異常検出は、ハードウェアが依然として実験段階にある場合でも、物理リザバーが関心を集める理由を示している。

有用な信号の多くは、自身の履歴に強く依存する。機器の振動、心臓計測、気候観測、ネットワークテレメトリーはいずれも、従来のしきい値では見落とされる時系列パターンを含みうる。

単純な検出器は、異常に高い値や低い値にフラグを立てられる。しかし、異常が馴染みのある表面的な統計特性を保ちながら、信号のより深い時間構造を変化させる場合には苦戦する。

研究者らは、Mackey-Glass信号を使ってこのより難しい試験を構築した。平均、分散、短時間の自己相関を保つよう設計された異常を導入した。

自己相関は、信号が時間遅延させた自身のバージョンとどれほど似ているかを測る。短い時間区間でこれを維持すると、単純な検出器は明白な統計的変化を通じて異常を見つけられなくなる。

液体リザバーコンピューターは、次の信号値がどうなるべきかを予測した。予測と観測の大きな不一致が、異常スコアとして機能した。

より困難な隠れた異常検出タスクでは、報告されたシステムはF1スコア0.90を達成した。F1は適合率と再現率を一つの指標に統合し、誤報と見逃しのバランスを評価する。

この結果が注目されるのは、リザバーのフェーディングメモリーを利用しているためだ。粒子は現在の入力だけでなく、それに先行する状態の痕跡にも反応する。

粒子の集団運動は、研究者が基礎となる各信号について明示的な方程式を記述しなくても、動的なモデルを生み出す。読み出し部は、その変化する物理状態をどのように解釈すべきかを学習する。

コンスタンツ大学の教授で研究著者でもあるClemens Bechinger氏は、大学の発表でこの広い考え方を説明した。計算に必要なだけ再現性のある応答を示すなら、ダイナミクスを完全に理解する必要はないという。

この主張こそが、物理リザバーコンピューティングの魅力を定義している。エンジニアは、内部相互作用をすべて精密にデジタルシミュレーションすることなく、材料の振る舞いを活用できる。

ただし、異常検出の実証は依然として合成ベンチマークデータを用いている。論文は、不整脈、地震、異常気象、急激な金融市場の転換といった応用可能性を挙げている。

これらは関連する信号カテゴリーを示すものであり、導入済みの実用システムを意味するものではない。この研究では、臨床試験、現場センサー、取引システム、産業用監視設備について報告されていない。

実際の導入では、入力のドリフト、校正の変化、環境ノイズ、異常発生率の偏りに直面するだろう。偽陽性のコストも、用途によって大きく異なる。

医療警報システムを、機械保全と同じ閾値で評価することはできない。金融信号には、実験室のベンチマークでは再現できない非定常的な振る舞いや敵対的な反応が持ち込まれる。

したがって、このF1結果は計算能力の証拠として読むべきだ。液体プロセッサがすでに実運用の異常検出システムを上回る証拠ではない。

先行研究では、ほかのタスクに向けた液体基板の活用も探究されてきた。2024年のコロイドプロセッサは、PEDOT:PSS懸濁液を用い、スパイク列として符号化された発話数字を分類した。

その研究と新しい粒子アレイは、異なるメカニズムを利用している。しかし両者とも、液体内部で進化する状態を情報処理資源として扱う。

この新たな傾向は、一つの実験にとどまらない。研究者たちは、柔らかい材料、化学的・生物学的・粒子ベースのシステムが、物理的な発生源の近くで信号を処理できるかを検証している。

こうしたシステムは、すでに流体、変形可能な材料、あるいは微小環境と相互作用するセンサーに、いずれ適するかもしれない。従来の電子回路にコンパクトな判断を送信する前に、局所的に応答できる可能性がある。

現行の装置は、そのビジョンからはまだ遠い。それでも、隠れた異常の検出は、カオス的な予測だけの場合よりも、この研究に明確な到達点を与えている。

メムリスタ・リザバーは依然として精度競争で優位

メムリスタ・リザバーは、ベンチマーク誤差がより低く、電子デバイスとしての開発経路も成熟しているため、依然としてより強力なコンピューティングハードウェアである。

メムリスタは、過去の電気的状態に応じて抵抗が変化する電子部品である。この内蔵メモリーにより、ニューロモーフィックおよびリザバーコンピューティングの設計で有用となる。

この研究によると、一部のメムリスタベースのシステムは、1ステップ先のMackey-Glass予測で正規化誤差0.01以下に達している。コロイドアレイの代表的な結果は約0.1だった。

この指標では低いほど良い。したがって、この比較は見出しとなる差を生む。液体プラットフォームの誤差は、およそ10倍だった。

この差には文脈が必要だが、文脈によって差そのものが消えるわけではない。論文によれば、メムリスタ研究にはおよそ10年にわたる集中的な開発が投入されてきた。

先進的なメムリスタの成果も、時間多重化を用いている。この手法は、数百個の完全に並列な物理ノードを用意せずに、実効的な次元数を増やせる。

液体リザバーコンピュータは、その妥協を避けている。400個の発振子が同時に動き、その相互作用が実在する空間ネットワークを生み出す。

それでも、アーキテクチャだけで有用性は決まらない。顧客が重視するのは、精度、速度、エネルギー、サイズ、再現性、製造、保守、そしてシステム全体の複雑さだ。

流体実験は、これらの次元すべてにわたって競争力のある答えをまだ示していない。測定済みの消費エネルギー、完全なレイテンシ比較、コンパクトな統合戦略が欠けている。

その応答は、微小な粒子運動と画像ベースのフィードバックを通じて展開される。電子メムリスタは、チップスケールのシステムにより自然に適合する電気的状態変化によって動作する。

メムリスタにも固有の制約がある。デバイスばらつき、耐久性、ドリフト、製造歩留まり、統合上の課題は、依然として重要な研究課題だ。

メムリスタの概説は、複雑なニューロモーフィック演算に対するその魅力を説明すると同時に、材料面と工学面の障害を検討している。ベンチマークでの優位は、すべてのメムリスタ設計が商用化の準備を終えていることを意味しない。

したがって中心的な比較は、完成品と失敗作の比較ではない。成熟した実験的アプローチと、より新しく物理的にも珍しいアプローチの比較である。

液体プラットフォームにとって、調整可能な結合はメムリスタへの最も明確な応答だ。粒子間隔は相互作用の強さを変え、減衰は個々の運動を制御する。

多くの固体ネットワークでは、接続は製造時に決定される。それらを再構成するには、追加回路や別のデバイスレイアウトが必要になる場合がある。

コロイド系では、同じ物理サンプルを使って異なるネットワーク領域を探究できる。研究者は、粒子を近づけることでメモリーと非線形性がどのように変わるかを直接調べられる。

たとえ汎用プロセッサにならなかったとしても、これは価値ある科学プラットフォームとなる。アクティブマター物理学と機械学習を結ぶ実験的な橋渡しを提供する。

このシステムは、ある程度の欠陥的な挙動にも耐える。短時間のレーザー応答の失敗や一時的な粒子クラスターは、予測を破綻させなかった。

メムリスタアレイも、不完全な部品を管理しなければならない。冗長性、校正、適応的学習、エラーを考慮したアーキテクチャは、電子設計を通じてこの問題に対処する。

したがって、両方のアプローチは、不完全な物理ダイナミクスから恩恵を得る計算を目指している。違いは、そのダイナミクスをどのように生み出し、制御し、測定するかにある。

メムリスタでは、電気伝導がメモリーと非線形応答を提供する。アクティブコロイド計算では、軌道運動と液体の流れがそれを担う。

現時点では、メムリスタがより強い性能上の地位にある。コロイドのアプローチがもたらすのは、新たな形の並列性と再構成可能性であって、より優れたベンチマークスコアではない。

この区別は、物語を現実に即したものに保つ。粒子は物理リザバーの領域を広げるが、電子的な競合技術を王座から引きずり下ろすものではない。

周辺ハードウェアが効率性の主張を弱める

最大の未解決問題は、制御・読み出しシステム全体を計算に含めた後でも、液体システムがエネルギーを節約できるのかどうかだ。

物理リザバーコンピューティングは、しばしば効率性の議論から始まる。材料が非線形変換を直接実行することで、従来のデジタルハードウェアでそれらの演算をシミュレーションする必要を減らせる。

新しい論文も、この動機に沿っている。タスク固有の学習が必要なのは線形出力層だけであり、リザバー内部の接続は学習されない。

しかし、この実験ではエンドツーエンドのエネルギー測定が報告されていない。この欠落により、メムリスタ、デジタルプロセッサ、あるいはほかの物理リザバーとの有意義な効率比較はできない。

実験室のセットアップには、532ナノメートルのレーザーが含まれる。2軸の音響光学偏向器が、そのビームを100 kHzで数百個の粒子に向けて走査する。

顕微鏡はサンプルを連続的に撮影する。ソフトウェアは、サブマイクロメートルの空間分解能とサブ秒の時間分解能で粒子位置を追跡する。

このシステムには、温度制御された石英セルも必要だ。従来型の読み出しは、リッジ回帰を適用する前に、粒子の位置と速度を1,000個のガウスカーネルで処理する。

これらすべての部品がエネルギーを消費する。将来の実装では小型化または不要化されるものもあるかもしれないが、現行研究はその道筋を定量化していない。

液体内部の運動だけを数えると、誤解を招く比較になる。公正な評価には、照明、ビーム走査、撮像、温度制御、信号変換、読み出しを含めなければならない。

同じシステム境界は、競合するハードウェアにも適用すべきだ。メムリスタアレイにも、ドライバー、変換器、制御ロジック、出力処理が必要である。

研究者には、壁コンセントまたはパッケージレベルで比較可能な測定が求められる。そうでなければ、どの周辺部品を計算の外に残すかによって、効率性の主張が変わりうる。

論文自体も、この実用上の制約を認めている。著者らは、レーザーで駆動するシステムは実用的に適用できない可能性があると述べている。

この認識は、誇張された商用化の主張よりも価値がある。研究をプラットフォーム実証として位置づけ、より簡素な駆動方式に注目を向けるものだ。

研究者らは、電極駆動コロイドを一つの可能な経路として挙げている。適切な条件下では、電場が複雑な走査レーザーと光学フィードバックを置き換えられるかもしれない。

ただし、駆動方式を変えれば、有用なダイナミクスも変化する可能性がある。粒子速度、結合、ノイズ、発熱、アドレサビリティに影響を及ぼすかもしれない。

代替手段は、リザバーが計算を行うための性質を維持しなければならない。それには、非線形応答、フェーディングメモリー、制御可能な入力、豊かな相互作用、信頼できる読み出しが含まれる。

現行の装置は、軌道を維持するためにも能動的フィードバックに依存している。システムは各粒子を検出し、観測した位置に基づいてレーザーを更新する。

このフィードバックは、従来型コンピューティングがすでに粒子ダイナミクスに関与していることを意味する。流体は、電子的な監督なしに動作する自律的な処理媒体ではない。

これは結果を無効にするものではない。ハイブリッドシステムでは、特殊な物理部品とデジタルコントローラーの間で作業を分担することが一般的だ。

ただし、液体が従来型コンピューティングを迂回するという主張には制約を与える。この実験は重要な変換を物質側へ移す一方で、制御と解釈はその外部に残している。

温度安定性も、もう一つの制約となる。水とルチジンの混合物は摂氏34度で臨界転移を示す一方、セルは摂氏28度で動作する。

局所的なレーザー加熱は、各カーボンキャップの近傍条件を意図的に変化させる。より広範な温度ドリフトは、推進と相互作用の挙動を変える可能性がある。

実用デバイスには、時間経過、サンプルの劣化、汚染、蒸発、粒子交換を通じて安定した校正が必要となる。論文は、こうした運用上の特性を実証していない。

読み出しについても精査が必要だ。1,000個のガウスカーネルはノイズを平滑化し、生の粒子状態を有用な特徴量へ変換する。

この処理は、システムがブラウン運動や一時的な欠陥に耐えることを助ける。一方で、物理リザバーと回答の間に従来型コンピューティングを追加することにもなる。

将来の比較では、三つの量を分けるべきだ。研究者は、生のリザバーによる変換品質、読み出しの計算コスト、システム全体としてのタスク効率を測定すべきである。

同じ試験にはスループットとレイテンシも含めるべきだ。1ステップ先の予測誤差だけでは、この装置が毎秒いくつの信号を処理できるかはほとんど分からない。

研究者は、より長い連続運転も試験しなければならない。一時的な故障耐性は有望だが、商用の信頼性には長期間の運用にわたる安定した挙動が求められる。

これらの測定が行われるまで、効率性の根拠は研究仮説にとどまる。実証済みの事実は、選定された実験室条件下での計算能力、調整可能性、堅牢性に関するものだ。

液体リザバーコンピューティングが競争力を持つために必要なこと

この実験がハードウェアへの道を切り開くのか、それとも示唆に富む物理学プラットフォームにとどまるのかは、3つのシグナルによって決まる。

第一のシグナルは、エンドツーエンドのエネルギーおよび速度ベンチマークだ。研究者は、レーザー、制御システム、イメージングパイプライン、温度制御、Gaussian kernels、学習済みreadoutを含める必要がある。

有利な測定結果は、アクティブマターが計算作業を削減できるという主張を強める。不利な結果であれば、現行アーキテクチャの用途は主に科学実験に限られることになる。

ベンチマークでは同一タスクを用い、システム境界を明確に定義すべきだ。予測1回当たりのエネルギー、持続スループット、レイテンシ、精度を報告する必要がある。

第二のシグナルは、同等の性能を備えたより簡素な駆動方式だ。電極駆動粒子、あるいは別のコンパクトな機構によって、継続的な光学制御なしに有用な軌道ダイナミクスを再現する必要がある。

成功すれば、複数の大型コンポーネントを削減でき、より現実的な統合経路が生まれる。また、リザバーの利点がこの特定の光学セットアップではなく、アクティブマターそのものに由来するかも検証できる。

失敗すれば、レーザーフィードバックが単なる実験室の足場ではないことが示される。制御システムが計算に不可欠な役割を担っていることを意味する。

第三のシグナルは、ノイズを含む外部データでの性能だ。説得力のある追試研究は、生成されたMackey-GlassおよびLorenzの系列から先へ進むべきである。

候補となるテストには、記録済みのセンサーストリーム、生理学的測定値、産業用振動データ、環境モニタリング信号が含まれる。評価ではホールドアウト期間を維持し、偽陽性率を開示すべきだ。

実データは、ドリフト、欠損観測、変化するノイズ、まれな異常を露わにする。こうした条件こそが、興味深いベンチマークと実用的な検出システムを分けることが多い。

研究者は、他のエキゾチックなハードウェアだけでなく、一般的なソフトウェアモデルとも比較すべきだ。小規模なデジタルリザバーや再帰型モデルでも、より容易な導入で十分な精度を提供できる可能性がある。

Tom Hardwareは、memristorとの性能差を中心的な制約として正しく位置付けている。しかし、memristorと同等の誤差水準に到達することだけが、関連性を持つための道ではない。

液体システムは、固体電子機器が容易には入り込めない環境で機能するなら、より低い精度でも正当化されるかもしれない。また、同一の材料内で適応的なセンシングと計算を提供する可能性もある。

こうした可能性は、デバイスが実証するまでは推測の域を出ない。現在の実験が確立したのは物理的メカニズムであり、市場ではない。

その持続的な貢献は、方法論にあるかもしれない。研究者は現在、数百の相互作用するオシレーターを調整し、集団的挙動が計算性能をどのように変えるかを観察できる。

この能力は、物理学者がアクティブマターにおける記憶、非線形性、耐障害性、情報の流れを研究する助けとなり得る。液体ハードウェアが製品化されなくても、こうした研究の教訓は他の基板に影響を与える可能性がある。

次の論文は、軌道を描く粒子の印象的な画像をもう1枚示すことより重要だ。制御ループを縮小し、総エネルギー使用量を測定し、実験室ベンチマークの外で収集された信号をテストすべきである。

非従来型コンピューティングを追う読者は、この3つのマイルストーンに注目すべきだ。液滴がCPUを置き換えられるかを問うよりも、明確な評価基準を示してくれる。

現時点での答えはノーだ。より有用な発見は、制御可能な液体ダイナミクスが、数百の並列物理ノードにまたがって真の時系列計算を実行できることである。

新興ハードウェアを追うなら、論文、ベンチマーク、後続の再現研究を、検索可能な1つの研究記録として保存しよう。personal knowledge baseは、後の測定結果と現在の主張を結び付ける助けになる。そのうえで、次のプロトタイプが補助機器を削減し、完全な効率データを公開し、memristorとの精度差を縮めるかを問うべきだ。