北京
关键词：高维多组分系统，非平衡自组装，成核动力学，模式识别
论文题目：Pattern recognition in the nucleation kinetics of non-equilibrium self-assembly 论文期刊：Nature 论文地址：https://www.nature.com/articles/s41586-023-06890-z
受到生物学中最复杂的计算机——大脑的启发，神经网络构成了计算原理的深刻改革。类似的高维、高度互联的计算架构也出现在生物细胞内的信息处理分子系统中，例如信号转导级联和基因调控网络。类似于神经计算的集体模式是否在其他物理和化学过程中更广泛地存在，即使这些过程表面上不起信息处理作用？
这项研究考察了多组分结构自组装过程中的成核现象，展示了高维浓度模式可以以类似于神经网络计算的方式进行区分和分类。具体而言，研究者设计了一组917个DNA模块，可以以三种不同的方式自组装，使得竞争性成核取决于三种结构内高浓度模块的共定位程度。该系统在计算机中进行了训练，将一组18个灰度30×30像素的图像分类为三类。
实验中，荧光和原子力显微镜测量在150小时退火期间和之后，证实了所有训练图像都被正确分类，而一组图像变化的测试集探讨了结果的稳健性。尽管与先前的生化神经网络相比较慢，但该方法紧凑、稳健且可扩展。这些研究结果表明，普遍存在的物理现象，例如成核，当其发生在高维多组分系统内时，可能具有强大的信息处理能力。
图1. 成核过程模式识别的概念框架
图2. 917种分子种类的多样混合，可以从一组分子中组装成三种不同的结构。
图3. 设计自组装相图解决模式识别问题
编译｜梁金
生命复杂性系列读书会
了解读书会具体规则、报名读书会请点击下方文章：
推荐阅读
1.
2.
3.
4.
5.
6.
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
