人工智能（AI）的兴起为脑仿生新型计算模式的发展注入了巨大的动力。人类的大脑在包括图像识别和分类等在内的需要高强度计算的认知工作中展现出了非常独特的优势。这类研究的长期目标是依赖分布式芯片网络模拟大脑，从而实现去中心化的神经形态计算，以仿生策略进行信息处理。而通过将相互连通的计算模块逐步转变成连续计算组织，可以预见在不久的将来物质会发展出具有基本智能特征的高级形式，并以去中心化的方式学习和处理信息。这类智能物质可以通过接收和响应外源刺激，对自身结构进行调整以实现信息的分布和储存。
德国明斯特大学大学的W. H. P. Pernice等人在近期综述了关于实现智能物质的研究进展，这些研究利用分子系统、软材料或者固体材料发展软机器、自适应人工皮肤和分布式神经形态计算。除了概述这些智能物质的发展轨迹外，文章在最后还为读者分析了智能物质开发的趋势。相关展望文章以“The rise of intelligent matter”为题发表在Nature。
一、集群基自组织材料
复杂行为的突出特点在于其对集群的依赖性——集群中的大量个体能够产生集体相互作用。例如，具有多样化响应实体可以相互作用以自组织形成规模化的适应性现象（例如图案化信息），以此来保护集体。在自然中，我们可以在昆虫、鱼和鸟等集群动物中观察到这类行为。与只能进行最近邻通讯的个体不同，集体的全局响应被认为具有智能行为的特征。这一基本智能概念对于利用纳米尺度构建模块实现智能物质的研究来说是格外引人注目的。而在这一尺度范围内，目前面临的主要挑战在于将所有四个关键功能化元素，特别是长期记忆分别作为单一组分。文章列举了代表性例子，利用一群小型机器的相互作用来阐释仿生的集群行为。如图1所示，这些机器高约1厘米并且功能有限，但在外部程序预设了目标形状、给出了算法指导后，这些机器作为响应物可排列形成复杂预设形态。
图1 自动机器及胶体簇的适应性集群行为
二、软物质
在生态系统中，柔软、弹性和可塑性是突出特征，能够凭此进行连续变形并从而在拥挤的环境中实现顺滑运动。特别是天然皮肤组织，其能够展现出包括感测力、纹理、温度以及自修复等基础智能特点。而软机器研究领域的目标就是将此类性质转化到软物质中。因此，智能软物质能够辅助促使软机器器件模仿有机体。例如在人工皮肤中，软物质为卫生保健和医学应用提供了一系列的可能性。我们甚至可以设想在不远的将来，具有健康参数监测功能的可穿戴器件还能实现药物递送、人类行动辅助等等（图2）。
图2 响应型软物质及其记忆功能
三、固态物质
尽管利用自组织和软材料可在合成物质中实现感测和致动，但想要实现物质基信息处理过程似乎依然极具挑战。相反地，固态材料中的信息处理技术却更加先进、提供了更引人注目的机会。事实上，物理和化学过程自身就可以看做是一种计算形式。虽然传统的计算器建立在物理器件（如二极管）之上，但他们是基于计算的象征性概念（即基于电压是否低于/高于某个特定阈值）而出现的。而与此不同，非传统的计算则是超越了计算的标准模型。在这其中，生物体在某种程度上就可以被视为非传统的计算系统。在这类系统中，对有机生物体的详细观察揭示了信息处理的工作流程是直接建立在物理原则之上的。可程序化和高度连通的网络是特别适合进行这些计算任务的，与此同时仿生脑的神经形态硬件则为实现这些任务提供了物理保障（图3）。就这类神经形态硬件而言，半导体工业中自上而下的制造工艺在很长一段时间里面为其提供技术支持，而目前正在探索的自下而上的纳米材料策略也为非传统、高效计算提供了新的思路。
图3 神经形态材料、系统
展望和前景
文章在最后还指出，目前的挑战还在于为智能物质的制造、量产和控制发展有效方法和策略。智能物质必须含有动态材料，这些材料需要具有丰富的构象自由度、运动性和纳米尺度组分交换能力。这些要求说明，纳米尺度组分之间的相互作用必须足够弱，以此来保证外源刺激的可操纵性。不仅如此，这类智能物质还必须能够展现一定程度的纳米组分自组织能力，以保证长期记忆和反馈作用可以被嵌入。此外，为了保证接收和传输外部输入具有时空精确度的可寻址能力也是必不可少的。这些要求目前看来非常不相容，只能独立实现某些智能要素，但在不远的将来，作者希望通过开发杂化策略可以解决这些要求和要素的相容性问题。
文献链接：
https://www.nature.com/articles/s41586-021-03453-y
原文刊载于【高分子科学前沿】公众号
本文版权归原作者所有，文章内容不代表平台观点或立场。如有关于文章内容、版权或其他问题请与我方联系，我方将在核实情况后对相关内容做删除或保留处理！