离子导电聚合物网络与生物神经网络：基于渗流临界现象的类脑计算统一理论框架

《IEEE Access》：Percolation-Mediated Emergence of Computation in Conductive Ionic Polymer Networks: A Quantitatively Constrained Theoretical Framework

　　科学家长期以来一直致力于理解大脑并复制其计算能力，但基于硅的神经形态系统仍然成本高昂且结构复杂。受自然界中存在的化学系统启发，本文提出了一个理论框架，将导电离子型电活性聚合物网络与生物神经网络联系起来，以探索类脑计算。利用非平衡临界现象的概念，本文在无生命聚合物团块与生物大脑之间建立了平行关系。受基于渗流的脑功能研究以及聚合物水凝胶实时玩乒乓游戏的演示启发，我们探讨这两个系统是否都可以用随机图上的临界连接转变来描述。对聚合物水凝胶中报告的电流波动的分析显示，其标度行为与三维渗流样临界动力学一致，尽管现有证据不足以唯一地区分这些现象与各向同性普适类。为了将微观输运与宏观连接联系起来，我们用与Nernst-Planck-Poisson-力学描述耦合的平滑离子激活函数取代了基于阈值的导电规则，从而实现了从离子浓度场到概率性键形成的粗粒化映射，并为网络演化的生成函数处理提供了动机。性能增长用Weibull型定律描述，其形状参数为k = 1.66（95%置信区间[1.58, 1.76]），与神经案例中获得的k ≈ 1.8 ± 0.3一致；渗流阈值λc ≈ 0.29与重叠球的连续阈值相符，推导出的Rent指数范围为αRent ≈ 0.54 - 0.79，在所有情况下均小于1。预计几何和温度调整可将记忆获取时间尺度从约1300秒缩短至约3秒。文中提出了可实验检验的标准，用于验证或证伪该框架，并明确共……之间的等价性界限。