在非平衡自组的核动力学中识别模式
Constantine Glen Evans1,2,3, Jackson O'Brien4, Erik Winfree5
1California Institute of Technology, Pasadena, CA, USA. cge@dna.caltech.edu.
Nature
|January 17, 2024
概括
这项研究表明,多组件自组合中的核化可以将复杂的数据分类,类似于神经网络. 这揭示了物理现象中隐藏的信息处理能力.
科学领域:
- 生物物理
- 计算科学
- 材料科学
背景情况:
- 神经网络是由大脑启发的,是先进的计算架构.
- 在信号传导和遗传网络等细胞过程中存在类似的高维互连系统.
- 这项研究探讨了非信息处理物理和化学系统中是否存在类似的集体模式.
研究的目的:
- 调查多组件自组合过程中的核化是否表现出信息处理能力.
- 确定高维度度模式是否可以像神经网络一样进行区分和分类.
- 设计和测试用于分类图像数据的DNA系统.
主要方法:
- 设计了917个DNA,
- 根据核化模式将18个灰度图像分为三个类别.
- 使用光和原子力显微镜进行150小时的实验验证.
主要成果:
- DNA系统成功分类所有训练图像.
- 实验结果证实了计算分类的准确性.
- 测试组的变化表明了基于核化的分类的稳定性.
结论:
- 多元组件自组合中的核可以执行类似于神经网络的计算.
- 这种物理现象具有固有的信息处理能力.
- 开发的基于DNA的系统是紧的,强大的,可扩展的,


