研究的概念框架（来源：原论文）
撰文 爱莉森·帕歇尔（Allison Parshall） 
翻译 董子晨曦
大脑是最典型的决策器官，它会收集和处理信息，进而做出下一步指示。它如此复杂，以至于科学家迄今仍未能揭开有关大脑的众多谜团。
我们很容易推测，处理信息需要像大脑这样复杂的系统。然而，在自然界中，许多更简单的系统也能完成类似的任务。
美国加州理工学院的分子计算研究员埃里克·温弗里（Erik Winfree）举例说，细胞通过化学信号网络决定自己何时复制或凋亡，如果考虑相变这样复杂的物理过程，甚至可以认为水分子也能“决定”自己会冻结成雪花还是冰雹。
一直以来，温弗里都对物理世界隐藏的信息处理能力很感兴趣。在近期发表于《自然》（Nature）的一项研究中，他和同事设计了一组人造DNA链，并将这些DNA链连接起来，构建出一个计算系统。这一系统与人工智能模型采用的“神经网络”算法有许多相似之处，能够实现模式识别和信息分类。
为了利用生物机制构建出类似计算机的回路，研究人员通常会选择自组装的DNA分子，这种自组装的能力来源于DNA的特异性碱基互补配对能力。这些经过特殊处理的DNA链在试管中组合并冷却后，能组装成形状可预测的镶嵌“砖块”，从而传递信息。
科学家想知道，这样的设置能否识别模式，比如通过灰度将图片分类。为了能在试管中表征图片，科学家创建了一种编码方式，其中每个图片像素都对应一个特定“形状”的DNA片段。像素亮度越高，溶液中相应的DNA片段就越多。
在溶液冷却后，DNA片段会像自组装的拼图一样聚集，形成三种可能的形状。具体形成哪种形状，取决于DNA片段混合物中不同片段的占比。爱尔兰梅努斯大学的分子计算研究员康斯坦丁·格伦·埃文斯（Constantine Glen Evans，这项研究的共同作者）解释道，每种形状都代表了一种分类。
来源：原论文
这个DNA系统可以将18张图片分为三个任意的类别，但它也可以对从未见过的图像进行分类，比如同一张图片的扭曲版本。美国芝加哥大学的物理学家阿尔温德·穆鲁根（Arvind Murugan，这项研究的共同作者）说：“就像神经网络一样，该系统可以识别图片大体上的相似性，而不能精准匹配。”
穆鲁根表示，这项研究的目的并非替代神经网络本身，而是为了揭示“物质本就具有的”计算能力。科学家很希望能在自然界的其他系统中找到类似的计算能力，而这些能力“很可能就隐藏在我们没有注意到的各种事物中”。
美国约翰·霍普金斯大学的生物分子工程师丽贝卡·舒尔曼（Rebecca Schulman，未参与这项研究）评价道：“这项工作简直太有趣了，”知晓一大群分子的互动能够模糊地储存信息，与了解神经网络的大群神经元可以存储信息一样，“都为我打开了新世界的大门。”
舒尔曼补充道，这些发现就像是对“奇异”深海生态系统的第一次窥探，尽管这一瞥稍纵即逝，“但这可能是一种召唤，让我们回过头去，再仔细看看。”
本文选自《环球科学》2024年5月刊前沿。
论文链接：https://www.nature.com/articles/s41586-023-06890-z
本文来自微信公众号“环球科学”。如需转载，请在“环球科学”后台回复“转载”，还可通过公众号菜单、发送邮件到[email protected]与我们取得联系。相关内容禁止用于营销宣传。
《环球科学》2024年4月新刊
正在热卖

戳图片或阅读原文
立即购买
点击【在看】，及时接收我们的内容更新 
继续阅读
阅读原文