人脑完全依靠化学反应运作，却常被称为世界上最强大的计算机。欧盟支持的 CORENET 项目检验了类似的原理能否用于实验室：微流控反应器中的化学反应网络负责处理数据，人工智能则从中读取答案。这是化学、计算机科学和数据分析汇聚一堂的领域，读完之后，你还可以测一测这种工作方式是否适合你。
人们想到计算机时，通常会想起处理器、线缆和屏幕。CORDIS 发布的材料却从另一个对比说起：世界上最强大的计算机是人脑，而它完全依靠化学反应运行。由此引出了欧洲 CORENET 项目研究人员提出的问题：化学能否成为全新计算方式的模型？
该项目由欧盟支持，由欧洲创新理事会出资，正在构建模仿大脑的计算装置。在这些装置中，信息由被称为 CRN 的化学反应网络处理。分子成为数据的载体，分子发生变化的方式就是数据被处理的方式。这项工作属于欧盟资助项目推动机器学习发展的更广泛努力的一部分。
荷兰拉德堡德大学（Radboud University）教授、CORENET 团队负责人威廉·赫克（Wilhelm Huck）解释了这一想法：“我们受到人脑的启发，而人脑本身就是一个化学处理器。因此我们着手证明，置于微流控环境中的动态反应网络能够执行高水平的计算任务。”
科学家们使用的技术称为储池计算（reservoir computing）。团队在微流控芯片上实现了这一技术，芯片是化学物质流经其中的微型反应器。起点是一个化学输入层，由以下部分构成：
这些要素共同构成储池。反应从含一个或两个碳原子的简单起始分子出发，随后不断拓展化学空间，生成数十种结构更复杂的化合物。
关键在于，反应的结果并非随机。输入条件与产物的组成相关，因此起始时的不同设置，会在最后得到不同的分子图样。这种化学响应随后可以被分析。
人工智能和机器学习就在这里登场。算法从化学响应中提取有意义的信息。实际上，一部分计算工作由反应完成，人工智能工具则帮助解读其含义。
一项核心成果是成功开发并实现了化学储池计算工作流程的自动化。流经微流控反应器的化学输入产生了非线性输出，这些输出经过分析和解读，用于解决分类和预测任务，这类问题对做过机器学习的人来说并不陌生。
研究人员还建立了控制、监测和引导这些反应网络的规程。根据材料，这是迈向可扩展的、基于分子的计算的重要一步。
研究结果发表在《Nature》上的一篇里程碑式文章中，题为“Chemical reservoir computation in a self-organizing reaction network”。文章展示了甲醛糖反应及相关体系如何充当分子计算的基底。后续工作正在收尾：它要证明这一概念可以推广，方法是在新开发的反应网络上构建一台性能良好的储池计算机。
CORENET 表明，学科之间的界限正在淡化。项目协调人、马德里自治大学副教授安德烈斯·德拉埃斯科苏拉（Andres de la Escosura）强调，成功源于多个专业方向的合作：“这种方法的成功令我们兴奋，我们这支由学术界和产业界科学家组成的出色团队携手迎接这一重大挑战，把系统化学、微流控、代谢组学和人工智能结合在一起。”
对于正在选择专业或专业方向的人来说，这里有几点启示。懂数据分析的化学家，可能进入研究计算未来的团队。计算机科学家或机器学习专家，可以在数据不是来自屏幕而是来自微反应器的地方找到有趣的工作。同样值得注意的是，学术界和产业界的科学家并肩工作，所以这类研究并没有被锁在大学围墙之内。
看看团队研究的内容就会发现，这类项目每天都有多个知识领域交汇：反应化学与催化、微流控、化学混合物分析和机器学习。没有人需要同时精通所有领域，但如果你懂得相邻领域的语言，就更容易在这样的团队中找到自己的位置。
CORENET 是一次尝试，以人脑为榜样，构建由化学反应处理信息的计算装置。研究人员表明，微流控反应器中的反应网络会产生响应，人工智能可以把这些响应转化为分类和预测任务的解决方案。这样的工作需要来自不同领域的人，从系统化学到人工智能。
本文基于欧盟委员会 CORDIS 服务发布的材料。
5 个问题 · 一分钟
English
Čeština
Deutsch
Español
Français
Magyar
Italiano
Polski
Português
Русский
Slovenčina
Türkçe
Українська
العربية
中文