大腦是典型的決策者，在選擇前進的道路之前收集和權衡資訊。但在自然界中，許多更簡單的系統也完成了類似的任務。細胞利用化學訊號網路來決定何時繁殖或死亡。甚至可以說水“決定”它是否會凍結成雪花或冰雹，加州理工學院的分子計算研究員 Erik Winfree 說，考慮到這種轉變極其複雜的物理學。
長期以來，Winfree 一直對物理世界隱藏的資訊處理能力感興趣。在最近發表於《自然》雜誌Nature上的一項研究中，他和他的合作者設計了一組人工 DNA 鏈，這些鏈可以共同識別模式和分類資訊。該系統與許多人工智慧模型的基礎“神經網路”演算法具有關鍵相似之處。
為了利用生物機制構建類似計算機的電路，研究人員經常求助於自組裝 DNA 分子。這些定製的 DNA 鏈（或“瓦片”）在試管中混合並冷卻後，會自組裝成可預測形狀的馬賽克，從而可以傳遞資訊。
支援科學新聞報道
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道 訂閱。透過購買訂閱，您正在幫助確保有關塑造我們當今世界的發現和想法的具有影響力的故事的未來。
科學家們想知道這種型別的裝置是否可以識別模式——例如透過將灰度照片分類到不同的類別中。為了在試管中表示影像，科學家們建立了一個程式碼，其中每個影像畫素對應於特定“形狀”的 DNA 瓦片。畫素越亮，其對應的 DNA 瓦片在溶液中存在的越多。
冷卻後，這些瓦片像自組裝的拼圖一樣拼接在一起，形成三種可能的形狀之一，具體取決於混合物中 DNA 瓦片形狀的平衡。合作作者 Constantine Glen Evans 解釋說，每種形狀代表一個類別，他現在是愛爾蘭梅努斯大學的分子計算研究員。
該系統旨在將 18 張照片分為三個任意類別，但它也可以對以前從未見過的影像進行分類，例如同一張照片的扭曲版本。芝加哥大學的物理學家、合作作者 Arvind Murugan 說，就像神經網路一樣，它識別影像中的一般相似性，“而不是尋找完全匹配”。
Murugan 說，這項研究的目的不是要替代神經網路本身，而是要揭示“物質已經擁有的”計算能力。科學家們希望在自然界的其他系統中找到類似的計算能力；Murugan 說，這些能力“可能隱藏在我們沒有注意到的各種事物中”。
約翰·霍普金斯大學的生物分子工程師 Rebecca Schulman 說：“這本身就很有趣”，她沒有參與這項新研究。她補充說，資訊可以透過大量分子的相互作用隱式儲存，類似於資訊儲存在神經網路中大量神經元中的方式，“這是我以前從未見過的”。
Schulman 補充說，這些發現就像是對“奇異”深海生態系統的首次、短暫的一瞥。“這也許是在呼喚我們回去更努力地尋找。”