类脑组织：用于脑启发时序计算的软物质生物分子网络

《SCIENCE ADVANCES》：Neuromorphic tissues: Soft biomolecular networks for brain-inspired temporal computing

　　

大脑通过神经元间密集互连与递归反馈，在时序信息处理上实现极高效率。受此原理启发，研究人员提出类脑组织——一种由细胞尺度水相腔室经含电压门控离子通道的脂质膜互连构成的软物质生物分子网络。当电流注入使某腔室受激时，其与邻室间的膜发生极化直至通道激活，瞬时将界面转化为导电突触耦合相邻节点。该动力学产生本征物理递归，使网络无需外部反馈电路即可编码、传播与重构时间依赖信号。实验与建模表明，该体系具备非线性、衰减记忆与递归动力学等储层计算（RC）特征，可准确预测NARMA-10与洛伦兹吸引子（Lorenz attractor）等非线性和混沌序列。该工作提示空间互连可增强物理储层计算能力，并凸显自组装软材料作为实现此类互连系统的有望平台。

研究背景与问题提出

物理储层计算（Physical Reservoir Computing，PRC）旨在利用物理系统自然动力学实现储层计算，光子、自旋电子与忆阻器件均被探索，其中忆阻器因紧凑、低功耗与可调非线性受关注。然而现有忆阻储层普遍采用并行非耦合阵列，各器件独立响应输入，缺乏耦合递归；而自治连续系统中稳定极限环需至少两耦合态、混沌需至少三耦合态，非耦合单器件仅为一级动力学系统，即便大规模阵列也无法产生内部状态交互与集体动力学，缺失高阶状态混合这一储层计算核心特征。脑启发的回声状态网络与液体状态机依赖高度耦合递归，常规固态交叉开关阵列需外接电路强加耦合。软材料尤其是膜基生物分子忆阻器件提供自组装、区室化与柔性接口，但此前 Alm（Alamethicin）肽掺杂液滴界面双层（Droplet Interface Bilayer，DIB）器件多用于并行架构。本研究据此提出：通过物理互连的生物分子忆阻网络引入本征递归，解决并行储层高阶时序任务瓶颈。

主要关键技术方法

研究人员建立电流驱动运行状态空间模型，以跨膜电压 v_m 与孔密度 N_a 为耦合状态变量，膜等效为并联电容 C_m、漏电阻 R_m 与 Alm 忆阻元 M(N_a,v_m)；网络节点电压 V_i 由电容加权耦合矩阵 M 描述，孔动力学服从电压依赖插入率 α(v_m) 与稳态孔密度 N_ss(v_m)。实验上以 3D 打印模具浇铸 PDMS 制备多腔室装置，Ag/AgCl 电极嵌入各水相液滴，十六烷油中形成 DPhPC-Alm 掺杂 DIB 链/晶格，电流注入（0–170 nA，脉宽 3 ms）驱动，节点电压经 24 位 ADC 直读。计算基准采用 NARMA-2 至 NARMA-10 与 Lorenz63 三态混沌系统，虚拟节点借时间掩码（temporal masking）扩展，读出层用 Ridge 回归。

研究结果

设计与建模电流驱动生物分子网络

单器件在亚阈值时膜容性主导，超阈值（v_m>v_th）Alm 插入成孔呈非线性 I-V 与易失记忆；DPhPC 膜步电流下随机波动大，含胆固醇的 BTLE 膜稳态更稳。电流驱动下 v_m 可测、N_a 为隐态，避免并行架构中结电流不可分问题，且抑制 >200–300 mV 电击穿。六节点 DPhPC-Alm 链实验与模型对随机阶跃电流响应平均归一化均方误差约 0.41，显著低于单膜对照（1.15），证明互连平均掉随机孔动力学；无 Alm 的 RC 链仅跟踪信号 RMS，确认观测动态源自忆阻孔动力学而非被动充电。

基于类脑组织的时间序列预测

NARMA-2-10 时序预测任务：50 空间节点 ×3 虚拟节点（共 150 态）链状异质浓度（1/2/3 μM 循环）储层，NARMA-2 训练/测试 NRMSE 0.0103/0.0124，NARMA-10 达 0.236/0.327；同规模并行储层 NARMA-10 达 0.546/0.627。异质储层优于同质（全 1/2/3 μM）与随机异质相当，证伪冗余、拓宽非线性投影空间为增益来源。

Lorenz63 混沌时间序列预测任务：六边形 43 节点晶格、三注入点分别灌入 x/y/z 态缩放电流（?50~+50 nA），Ridge 读出预测下一步；训练/测试 x/y/z 的 NRMSE 0.071/0.183/0.174，相空间吸引子几何复现；13/25/43 节点缩放实验显示节点数增则误降，最小连通网仍远胜并行（并行 NRMSE>0.6–0.8 且吸引子发散），同质网差于异质网。证明物理递归是多维耦合混沌可解的前提。

讨论与结论翻译

研究人员确立物理互连为软材料储层计算设计原则，证明生物分子网络可作脑启发递归计算基底。由并行隔离器件转至磷脂膜耦合水腔晶格（图2），将递归与高阶动力学嵌入网络物理本身，保留自组装、模块化与生物相容性；电流驱动加 v_m-N_a 状态空间模型使节点电压直读、省去每节点跨阻放大。六节点链实验与模拟吻合（图3）。连通网解 NARMA-10（图4）误低于并行基线，准确复现 Lorenz63 三耦合态（图5），表明耦合赋予重构记忆与丰态演化，系高阶时序推断与多输入动力预测所需。异质降冗余、扩非线性变换；节点缩放扩表征容量；区室化允非对称组成。向前看，脂质/通道库筛选、能斯特势梯度引兴奋-抑制平衡、3D 打印液滴网与在线学习可推至自适应传感、软体机器与生物接口。该类脑组织定位为在物质中直接嵌算的材料平台，提供可扩展脑启发计算介于生命与人工智能界面的路径。