Zheyang Li（李哲阳） and Xi Yu（于曦）
通讯作者：
- 于曦，天津大学理学院化学系，有机集成电路教育部重点实验室，天津市分子光电科学重点实验室，天津大学化工协同创新中心
研究背景：
随着人工智能和机器学习技术的迅猛发展，传统的Von Neumann结构数字计算机在处理复杂的人工神经网络任务时面临着功耗高和计算效率低的挑战，因而模拟大脑的信息处理方式，开发基于物理系统的计算架构成为重要的研究方向。储备池计算（RC）正是利用物理系统的固有动态复杂性进行信息处理，不仅训练简单，而且效率高，是一种理想的物理计算框架。非稳态电荷传输动力学提供了丰富的动态与非线性特征，且分子器件具有体积小，能耗低、动态可调等优势，成为RC计算的理想载体。本文将非稳态电荷传输模型嵌入到了RC框架中，实现神经形态信息处理的物理模型计算，并探索了电荷传输动力学特征与计算性能的关系。
研究内容：
质子耦合电荷传输模型是一种以蒽醌的质子化反应为耦合动力学的非线性非稳态电荷传输系统，如图1左侧所示。将该模型集成到了RC框架中，利用体系的动态特征对原始信号进行了时间多路复用，实现了对输入信号的高维映射，如图1右侧所示。基于这个RC框架，进行了例如波形识别、语音识别、混沌系统预测等任务，均展现出了良好的效果，如图2所示，证明了该体系具有广泛的计算潜力。
图1 左侧：质子耦合电荷传输模型；右侧：RC计算框架
图2 左侧：波形识别任务，归一化均方根误差小于0.01；中间：语音识别任务，准确率高达99.4%；右侧：洛伦兹预测任务，实现了混沌吸引子重建。
RC的信号处理频率与动态储层系统的特征时间之间的对齐决定了RC任务的执行效率。只有当输入信号的频率与体系动力学特征时间相匹配的时候，虚拟节点才能有效连接，任务才能高效的完成，过高或者过低的输入频率会导致任务的失败。如图3左侧所示。在该体系中，环境中的水（即湿度）被视为质子源，改变湿度会改变体系的动力学特征时间。以波形识别任务为例，随着环境水浓度增加，非稳态动力学特征频率上升，导致识别率在数据信号频率维度的峰值区域向更高频率偏移，实现了湿度可控的带通滤波，如图3右侧所示。
图3 左侧：不同输入频率下AQ通道布居数目变化及对应虚拟节点相互作用示意图；右侧：信号频率维度下不同湿度的识别效果。
这项研究将非稳态质子耦合电荷传输应用到了神经形态计算领域，凸显了化学体系的非稳态、非线性特性在计算领域的显著优势。通过调控湿度可以改变体系的动力学特征，为未来利用该体系进行多时间尺度任务提供了基础。
