北京
该微流控芯片使用压敏纤维，这些纤维可在两种稳定构型之间切换。
耶鲁大学的研究人员找到了一种方法，让流动流体能记住此前发生的事情，方法是利用在压力下改变形状的微小柔性纤维。这一发现可能帮助工程师开发出无需传统电子控制器即可处理信息的软体机器人。
这个想法颠覆了一个人们熟悉的工程问题。大多数流体系统会对遇到的条件作出响应，但耶鲁的设计能保留先前流动的痕迹。其物理组件实际上存储了信息，使过去的事件能够影响系统接下来的行为。
能记忆的纤维
在微流控芯片内部，研究人员将柔性纤维置于狭窄通道网络中。每条通道的深度大约是人类头发宽度的一半。
当流体流经通道时，压力会推动单根纤维在两种稳定构型之间切换。每种位置都会改变流体可用的路径，从而形成系统先前状态的物理记录。
工程师可以将这两种构型表示为二进制数字，即0和1。与传统计算机存储器不同，这种安排不需要电子元件来在状态之间切换。
研究第一作者、Amir Pahlavan 教授实验室的研究生 Abhineet Rajput 解释了这一区别。“传统微流控依赖有源元件，而该系统利用微纤维被动存储信息，”Rajput 说。
这些纤维还能相互影响。它们的相互作用使单个变化能够塑造更大网络的行为，从而产生一种更复杂的物理记忆形式。
流体做成的大脑
这项研究可能为控制软体机器人开辟另一条途径。这类机器常常需要弯曲、挤过狭窄空间，或在挑战传统硬件的环境中运行。
流体控制器可以利用压力和流速来传递信号。通道将连接系统的不同部分，而柔性纤维将调节流体运动并保留信息。
Pahlavan 认为，在电子设备面临限制的环境中，这一点尤其有价值。“我们可以设计一种全流体控制器，将其集成到软体机器人中，并有效地充当其大脑，”耶鲁大学机械工程助理教授 Pahlavan 说。
电磁干扰在某些工作环境中会扰乱电子系统。围绕流体运动构建的控制器可能提供一种替代方案，尽管研究人员仍需证明它在实际任务中引导机器人方面有多可靠。
系统能学习吗？
记忆只是研究人员雄心的一部分。下一个问题是，工程师能否训练流体网络产生特定响应。
训练可以改变网络对输入流的反应方式，使其能够调整自身行为。实现这一点将使系统超越保留过去信息，迈向物理学习。
同样的原理可能会引起生物学家的兴趣，他们研究没有大脑却能在周围环境中导航的生物。例如，黏菌能在迷宫中找到高效路线。研究人员还想了解真菌和植物根系如何响应环境变化。
流体网络可以提供一个物理模型，用于研究相互作用和积累的经验如何塑造行为。这项技术最终能否学会有用的任务，仍是一个未解问题。
研究结果发表在《物理评论X》期刊上。
如果朋友们喜欢，敬请关注“知新了了”！
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.
