400颗粒液体计算机可预测混沌，但仍落后于忆阻器

Tom Hardware 聚焦了一台由400个颗粒构成的液体计算机。它能够预测混沌信号，但误差约为领先忆阻器储备池的十倍。

这项实验来自康斯坦茨大学和斯图加特大学的物理学家。他们的处理器使用在温控液体中绕行的微观二氧化硅球体。颗粒之间的流体动力学相互作用承担了部分计算。

这一成果听起来像是科幻与半导体工程之间的较量。但真正的竞争范围更窄，也更具启发性。液体系统提供了真正的并行动力学和可调节的物理连接，而忆阻器在准确性和实用性方面仍占据显著优势。

研究人员并未将其描述为可替代数字处理器的现成产品。他们的已发表研究展示了物理储备池计算的原理验证。在这种方法中，材料不断变化的状态会先处理时间信息，随后由一个经过简单训练的层生成答案。

该系统成功预测了一种标准混沌时间序列，并检测出其中隐藏的异常。即使只有五分之一的振荡器接收输入，它仍能继续工作。

不过，这套装置需要激光器、显微镜、光束转向硬件、温度控制设备，以及一台用于读出的普通计算机。目前也没有测得的能耗数据能够证明其具有效率优势。

因此，这项实验改变的是研究人员能够构建什么，而不是计算客户能够购买什么。它展示了具有实际规模的主动胶体计算，同时也揭示了富有创意的计算基底与具备竞争力的硬件之间仍存在多大距离。

Tom Hardware 的液体计算机使用400个绕行颗粒

该实验将400个微观振荡器的集体运动转化为一个可调的信息处理储备池。

每个振荡器最初都是半径为3微米的二氧化硅球。研究人员在其一个半球表面覆盖了80纳米厚的吸光碳层。

他们将这些球体悬浮在由水和按重量计26.8%的2,6-卢剔啶组成的混合液中。这种流体的低临界溶解温度为34摄氏度。

混合液置于高度为200微米的石英池中。研究人员将池体维持在28摄氏度，处于该临界温度以下的安全范围。

聚焦的532纳米激光会加热每个球体的碳涂层一侧。局部加热使周围混合液发生非对称分离，并驱动自泳运动。该术语指由颗粒在周围流体中产生的梯度所引起的运动。

激光焦点位于距离颗粒中心2.4微米处。移动这一焦点可让研究人员确定颗粒的推进方向。

一台双轴声光偏转器以100 kHz扫描激光，因此能近乎同时寻址数百个颗粒。显微镜和实时追踪系统则持续估计它们的位置。

控制回路会尝试将每个颗粒推进至固定目标点。不过，位置检测与下一次激光调整之间存在延迟。

这一延迟不仅仅是工程缺陷。它会导致球体错过目标，并进入直径约1微米的持续轨道运动。

由此产生的是主动胶体振荡器，即 ACO。主动意味着颗粒持续消耗局部供给的能量进行运动。胶体则意味着它保持悬浮在周围液体中。

研究人员将400个 ACO 排列在六角晶格上。每个运动中的颗粒都会扰动液体，形成影响邻近颗粒的流动。这些流体动力学相互作用无需传统导线便可耦合振荡器。

输入数据通过改变分配给颗粒的目标位置而进入系统。随着信号变化，每个目标会沿固定的随机选定方向移动。

研究人员可将阵列划分为多行，并在行与行之间延迟输入。来自不同时刻的信号状态随后会在液体中相互作用。

这一过程提供了衰减记忆：它保留近期输入的有用痕迹，但不会无限期地保存它们。它也提供了非线性，使系统能够以超越简单比例响应的方式变换信号。

这些特性使该阵列成为物理储备池。储备池本身基本不需要训练。研究人员只需优化一个线性读出层，将其复杂状态转换为有用预测。

团队同时记录了振荡器的位置和速度。他们通过1,000个高斯核变换这些观测数据，这些高斯核会计算选定点附近的局部平均值。

随后，岭回归训练输出权重。这种正则化线性方法可在大量输入特征重叠时减少不稳定拟合。

因此，该方案属于混合系统。流体完成非线性变换并携带时间信息；传统电子设备则负责成像、特征构建、训练和最终计算。

这一区别很重要。将该实验称为液体计算机是合理的，但这并不意味着每个计算阶段都在液体内部完成。

Tom Hardware 的技术报道捕捉到了两方面。颗粒执行了有意义的计算，而大量实验室设备则负责维持其运动并解读结果。

阵列无需虚拟节点即可预测混沌

最强的成果是真正的多颗粒并行性，而非创纪录的预测准确率。

研究人员使用 Mackey-Glass 序列测试了主动胶体计算平台。该数学序列通过带有延迟反馈的非线性方程产生混沌行为。

混沌并不意味着完全随机。微小差异可以迅速扩大，使未来值难以预测。这种敏感性使 Mackey-Glass 成为储备池计算的标准基准。

实验将信号输入400个振荡器，共计6,700个时间步。研究人员使用前80%的数据进行训练，剩余20%构成独立验证集。

在一步预测中，据报告的一种配置下，液体储备池计算机达到约0.1的归一化均方根误差。得分为零代表完美预测。

论文还评估了更长的预测范围。随着预测延伸至更远的未来，准确率会下降，这符合混沌信号的预期特征。

更重要的是，集体动力学在处理这些输入时，并未将一个物理组件转化为多个按顺序运行的虚拟节点。这种称为时间复用的技术，会在连续时刻向一个节点呈现不同部分的信号。

时间复用能够利用有限硬件构建高维储备池。但其虚拟并行性依赖于顺序操作和经过精确计时的信号掩码。

相比之下，胶体阵列一次提供数百个物理振荡器。它的维度来自真实的颗粒运动和跨空间相互作用。

这赋予该实验独特的研究价值。活跃物理元素的数量直接对应于产生计算的多体动力学。

2024年的一项微粒储备池已表明，延迟运动可以支持混沌预测。该系统利用时间复用输入和历史状态来应对强烈的布朗噪声。

新研究通过液体耦合数百个振荡器，推进了这一思路。计算源自集体行为，而非仅仅来自彼此隔离的节点。

该阵列还提供可调节的相互作用。增大晶格间距会削弱流体动力学耦合，因为由流体介导的力会随距离增加而减弱。

研究人员还可以单独调整一个阻尼参数，用于限制每个颗粒偏离目标的距离。间距和阻尼共同改变记忆、非线性和预测性能。

模拟显示，在这些设置下，预测误差的变化超过三倍。对于更长的预测范围，更强耦合变得愈发重要。

这种可调性使该平台区别于许多已制造的设备。改变芯片的内部网络往往需要重新设计结构；而在这里，研究人员可在实验运行期间改变耦合。

更多输入通道并不总能带来更好的结果。将数量从一个增加到十个改善了预测，但继续增加则会使性能下降。

因此，储备池可能发生过载。过多的输入复杂性会扰乱有用的内部动力学，而非无限制地扩大容量。

当研究人员仅驱动20%的振荡器时，系统仍保持较高的预测准确率。流体动力学相互作用将信息扩散到阵列的其余部分。

这种韧性对这项演示之外的领域也具有意义。物理设备很少能表现得像完全一致的数学节点。

一些颗粒会暂时对转向激光产生不完全响应，另一些则因泳动相互作用形成短暂的团簇。不过，对于所报告的任务，预测仍足够稳定。

这种容错能力并不能证明商业可靠性。但它表明，有用的计算可以在主动材料固有的不完美条件下存续。

团队还使用另一项混沌基准——Lorenz 吸引子——重复了更广泛的参数分析。间距、阻尼与预测误差之间的关系在定性上保持相似。

这一结果降低了所观察到的行为仅属于 Mackey-Glass 的可能性。但它并不能证明同一配置可泛化到不受限制的真实世界数据。

因此，该实验的成就体现在架构上。它表明，数百个存在噪声且相互作用的颗粒，能够在同一种物理介质中提供记忆、非线性、并行性和可调耦合。

隐藏异常为液体带来更实际的测试

异常检测说明了为何物理储备池会受到关注，即使其硬件仍处于实验阶段。

许多有用信号高度依赖其自身历史。设备振动、心脏测量、气候观测和网络遥测都可能包含传统阈值无法捕捉的时间模式。

简单的检测器可以标记异常偏高或偏低的数值。但当异常保留熟悉的表面统计特征、却改变信号更深层的时序时，它就难以应对。

研究人员利用 Mackey-Glass 信号构建了这一更困难的测试。他们引入的异常被设计为保留其均值、方差和短时自相关性。

自相关性衡量一个信号与其延迟版本之间的相似程度。在短时间间隔内保留这一特征，可防止简单检测器通过某个明显的统计变化发现异常。

液体储备池计算机会预测下一个信号值应呈现的状态。预测与观测之间的显著偏差随后便成为异常评分。

对于更困难的隐藏异常任务，该系统取得了 0.90 的 F1 分数。F1 将精确率和召回率结合为一个指标，用于平衡误报与漏检事件。

这一结果值得注意，因为它利用了储层的衰减记忆。粒子不仅会响应当前输入，也会响应此前状态留下的痕迹。

它们的集体运动形成了一个动态模型，无需研究人员为每一种底层信号编写明确方程。读出层学习如何解读这种不断变化的物理状态。

康斯坦茨大学教授、论文作者 Clemens Bechinger 在该校公告中阐述了更广泛的理念：只要动力学能够以足够稳定的方式重复响应，计算就不必完全理解这些动力学。

这一论点正是物理储层计算的吸引力所在。工程师可以利用材料的行为，而不必为每一种内部相互作用构建精确的数字仿真。

不过，这项异常检测演示仍使用合成基准数据。论文列举了心律失常、地震、极端天气和突发金融转变等潜在应用。

这些例子描述的是相关信号类别，而非已经完成的部署。研究并未报告临床测试、现场传感器、交易系统或工业监测装置。

实际部署将面临输入漂移、校准变化、环境干扰以及异常发生率不均衡等问题。不同应用中的误报成本也会有显著差异。

医疗预警系统不能采用与机器维护相同的阈值来评判。金融信号还会带来实验室基准无法复现的非平稳行为和对抗性反应。

因此，F1 结果应被视为计算能力的证据，而非液态处理器已优于生产级异常检测系统的证据。

早期研究人员也曾探索将液体基底用于其他任务。2024 年的一项胶体处理器研究使用 PEDOT:PSS 悬浮液，对编码为尖峰序列的语音数字进行分类。

该研究与新的粒子阵列采用了不同机制。但两者都将液体不断演化的内部状态视为一种信息处理资源。

这一新兴趋势不止于单项实验。研究人员正在测试，柔性、化学、生物和基于粒子的系统能否在接近物理信号源的位置处理信号。

这类系统最终或许适用于本就会与流体、可变形材料或微观环境相互作用的传感器。它们可以先在本地作出响应，再将压缩后的决策传送给传统电子设备。

当前装置距离这一愿景仍很遥远。不过，与单纯的混沌预测相比，隐藏异常检测为这项研究提供了更明确的目标。

忆阻器储层仍在准确性竞赛中胜出

忆阻器储层仍是更强的计算硬件，因为它们兼具更低的基准误差和更成熟的电子实现路径。

忆阻器是一种电阻取决于其先前电学状态的电子元件。这种内在记忆特性使其适用于神经形态和储层计算设计。

研究报告称，一些基于忆阻器的系统在一步 Mackey-Glass 预测任务上可达到 0.01 或更低的归一化误差。该胶体阵列的代表性结果约为 0.1。

对于这一指标而言，数值越低越好。因此，对比得出了核心差距：液态平台记录的误差约高出十倍。

这一差距需要结合背景理解，但背景并不能抹去它。论文称，忆阻器研究已获得近十年的密集发展。

领先的忆阻器结果也采用了时间复用。这种方法可以提升有效维度，而无需提供数百个完全并行的物理节点。

液态储层计算机避免了这种折中。其 400 个振荡器同步运动，彼此互动形成真实的空间网络。

不过，架构本身并不能决定实用性。客户关心的是准确性、速度、能耗、体积、可重复性、制造、维护以及整体系统复杂度。

流体实验尚未能在这些维度上给出具有竞争力的答案。它缺少实测能耗、完整的延迟对比，以及紧凑的集成策略。

其响应还依赖微观粒子运动和基于图像的反馈。电子忆阻器通过电学状态变化运行，更自然地适配芯片级系统。

忆阻器也有自身局限。器件变异性、耐久性、漂移、制造良率和集成挑战仍是重要研究问题。

一篇忆阻器综述介绍了其执行复杂神经形态运算的吸引力，同时审视了相关材料与工程障碍。其在基准测试中的领先地位并不意味着每一种忆阻器设计都已具备商业化条件。

因此，核心对比并非成品与失败品之间的对比，而是一条成熟实验路线与一条更年轻、物理形式更不寻常路线之间的对比。

液态平台的可调耦合是它对忆阻器最明确的回应。粒子间距会改变相互作用强度，而阻尼则控制单个粒子的运动。

许多固态网络的连接关系在制造期间便已确定。重新配置它们可能需要额外电路或不同的器件布局。

胶体系统可以利用同一样品探索不同网络状态。研究人员能够直接考察粒子彼此靠近时，记忆和非线性如何变化。

这使其成为一个有价值的科学平台，即使它永远不会成为通用处理器。它在活性物质物理学与机器学习之间提供了一座实验桥梁。

该系统还能够容忍部分缺陷行为。短暂的激光响应故障和临时粒子簇并未破坏预测能力。

忆阻器阵列同样必须管理不完美的组件。冗余、校准、自适应训练和具备误差意识的架构通过电子设计来处理这一问题。

因此，两条路线都在寻求能够从不完美物理动力学中获益的计算方式。它们的区别在于这些动力学如何产生、控制和测量。

对于忆阻器而言，电导提供记忆和非线性响应。对于活性胶体计算而言，轨道运动和液体流动提供这些特性。

忆阻器目前处于更强的性能位置。胶体路线带来的是一种新的并行性和可重构形式，而非更优的基准分数。

这一差别使叙述保持务实。粒子拓宽了物理储层的版图，但并未取代电子竞争对手。

配套硬件削弱了效率主张

最大的未解问题是：在将完整控制和读出系统纳入核算后，这种液体是否还能节省能耗。

物理储层计算通常始于一种效率论证：材料直接执行非线性变换，从而减少使用传统数字硬件模拟这些运算的需求。

这篇新论文沿用了这一动机。只有线性输出层需要进行任务特定训练，而储层内部连接保持未经训练。

但该实验并未报告端到端能耗测量。这一缺失使其无法与忆阻器、数字处理器或其他物理储层进行有意义的效率比较。

实验室装置包括一台 532 纳米激光器。一个双轴声光偏转器以 100 kHz 的频率，在数百个粒子间引导该光束。

显微镜持续对样品成像。软件以亚微米空间分辨率和亚秒级时间分辨率跟踪粒子位置。

系统还需要一个温控石英池。传统读出层会通过 1,000 个高斯核处理粒子的位置和速度，随后应用岭回归。

这些组件中的每一个都会消耗能量。其中一些可能会在未来实现中缩小或消失，但当前研究并未量化这一实现路径。

若只计算液体内部运动，将得出误导性的比较。公平评估必须包括照明、光束偏转、成像、温控、信号转换和读出。

同样的系统边界也应适用于竞争硬件。忆阻器阵列同样需要驱动器、转换器、控制逻辑和输出处理。

研究人员需要在墙插或封装级别进行可比测量。否则，效率主张会随着哪些配套组件被排除在计算之外而发生变化。

论文自身也承认了这一实际限制。作者表示，这套激光激活系统可能不具备实际应用性。

这一承认比夸大的商业化主张更有价值。它将该工作界定为平台演示，并将关注点引向更简单的驱动方式。

研究人员提到，电极驱动胶体可能是一条可行路线。在合适条件下，电场或许能取代复杂的扫描激光与光学反馈。

不过，改变驱动方式也可能改变有用的动力学。它可能影响粒子速度、耦合、噪声、发热和可寻址性。

替代方案必须保留使储层能够计算的特性。其中包括非线性响应、衰减记忆、可控输入、丰富互动以及可靠读出。

当前装置还依靠主动反馈来维持轨道。系统会检测每个粒子，并根据观测到的位置更新激光。

这种反馈意味着，传统计算已经参与到粒子动力学中。该流体并非在没有电子监管的情况下自主运行的处理介质。

这并不会使结果失效。混合系统通常会在专用物理组件与数字控制器之间分配工作。

但它限制了“液体绕过传统计算”的说法。该实验将一项重要变换转移至物质中，同时将控制与解释留在物质之外。

温度稳定性构成另一项限制。水-鲁啶混合物的临界转变温度为 34 摄氏度，而该池在 28 摄氏度下运行。

局部激光加热会有意改变每个碳帽附近的条件。更大范围的温度漂移可能改变推进和相互作用行为。

实用设备需要在长期运行、样品老化、污染、蒸发和粒子更换的情况下保持稳定校准。论文并未证明这些运行特性。

读出层同样值得审视。一千个高斯核平滑噪声，并将原始粒子状态转化为有用特征。

这种处理有助于系统容忍布朗运动和临时缺陷。但它也在物理储层与答案之间加入了传统计算。

未来的比较应区分三项指标。研究人员应测量原始储层的变换质量、读出层的计算成本，以及完整系统的任务效率。

同样的测试还应包括吞吐量和延迟。一步预测误差几乎无法说明该装置每秒能处理多少信号。

研究人员还必须测试更长时间的连续运行。临时容错能力令人鼓舞，但商业可靠性要求在长时间运行中保持稳定行为。

在这些测量结果出现之前，效率论证仍是一项研究假设。已经展示的事实涉及在特定实验室条件下的计算能力、可调性和稳健性。

让液体储备计算具备竞争力的条件

三个信号将决定这项实验是开启一条硬件路径，还是继续作为一个富有启发性的物理学平台。

第一个信号是端到端的能耗与速度基准测试。研究人员必须将激光器、转向系统、成像流程、温度控制、高斯核以及训练后的读出层全部纳入统计。

有利的测量结果将强化这样一种观点：活性物质能够减少计算工作量。不利的结果则会使当前架构主要局限于科学实验。

基准测试应使用相同的任务，并清晰界定系统边界。它应报告每次预测的能耗、持续吞吐量、延迟和准确率。

第二个信号是以更简单的驱动方式实现相近性能。电极驱动粒子或其他紧凑机制，需要在不持续进行光学转向的情况下复现有用的轨道动力学。

成功将消除若干笨重组件，并形成一条更可信的集成路径。它也将检验储备池的优势究竟属于活性物质本身，还是仅属于这一特定的光学装置。

失败则说明，激光反馈并不只是实验室中的辅助架构。它意味着控制系统提供了计算中不可或缺的一部分。

第三个信号是在含噪的外部数据上的表现。一个有说服力的后续研究应超越人工生成的 Mackey-Glass 和 Lorenz 序列。

潜在测试包括记录下来的传感器数据流、生理测量数据、工业振动数据或环境监测信号。评估应保留一段留出期，并披露假阳性率。

真实数据会暴露漂移、缺失观测、不断变化的噪声和罕见异常。这些条件往往决定一个有趣的基准测试能否成为可用的检测系统。

研究人员还应与常规软件模型进行比较，而不只是与其他奇异硬件对比。小型数字储备池或循环模型或许能以更简单的部署方式提供足够的准确率。

Tom Hardware 正确地将忆阻器差距视为核心约束。然而，与忆阻器的误差水平相当并不是实现相关性的唯一途径。

如果液体系统能够在固态电子设备难以进入的环境中工作，那么即使准确率较低也可能具有合理性。它还可能在同一种材料中提供可适应的传感与计算能力。

在设备证明这些可能性之前，它们仍然只是推测。当前实验确立的是一种物理机制，而不是一个市场。

它持久的贡献可能在于方法论。研究人员如今能够调节数百个相互作用的振荡器，并观察集体行为如何改变计算性能。

这一能力可能帮助物理学家研究活性物质中的记忆、非线性、容错性和信息流。即使液体硬件最终无法商业化，这些研究的经验也可能影响其他计算基底。

下一篇论文比另一张展示轨道粒子的惊艳图片更重要。它应缩小控制回路，测量完整能耗，并测试一段在实验室基准之外采集的信号。

关注非传统计算的读者应留意这三个里程碑。与其问液滴能否取代 CPU，它们提供了更清晰的衡量标准。

今天的答案是否定的。更有价值的发现是，可控的液体动力学能够在数百个并行物理节点上执行真正的时序计算。

如果你关注新兴硬件，可以将论文、基准测试和后续复现保存在一条可搜索的研究脉络中。一个个人知识库可以帮助将后续测量与今天的主张联系起来。随后可以追问：下一代原型是否减少了配套设备，是否发布完整的效率数据，以及是否缩小了与忆阻器准确率之间的差距。