用于物理存储计算的形态可调菌丝芯片

《Scientific Reports》：Morphologically tunable mycelium chips for physical reservoir computing

　　

摘要

我们介绍了一种基于PEDOT:PSS浸渍菌丝的神经形态计算基底，这种生物制造的材料具有形态可调性，可以被设计成电活性组件，如电阻器、电容器和非线性元件。利用物理存储计算（physical reservoir computing）的原理，我们证明了在受控环境条件下生长的菌丝网络能够将时变输入转化为非线性的高维状态轨迹，从而实现诸如NARMA-10序列预测等机器学习任务。这些芯片采用“设计-生长-计算”（design-grow-compute）的工作流程制造，该流程整合了形态建模、参数化生长协议和真空辅助的聚合物注入技术。研究表明，菌丝的形态复杂性会影响电荷传输和存储容量，为设计模拟计算架构提供了新的控制维度。我们的原型芯片与定制的载板相连，实现了模拟信号的调节和读取功能。测试结果显示，该芯片具有出色的非线性特性、时间动态响应以及与任务相关的编码能力。与忆阻器阵列、光子系统或基于活细胞的存储系统不同，这种非生物模拟菌丝芯片成本低廉、可生物降解，并且可以利用现有的蘑菇养殖基础设施进行大规模生产，每个生长周期的产片量超过300万片。这一概念验证展示了可生物降解的存储计算平台，并报告了独立制造的芯片之间的标准RC特性（线性存储容量、记忆衰减以及器件间的差异性）。我们提出的性能权衡得到了前所未有的可持续性优势和成本大幅降低的支撑，为生物衍生的一次性/可丢弃或大规模机器学习硬件开辟了新的方向，并将菌丝作为一种用于模拟推理的功能性介质。