Rain科技7月27日消息，德国康斯坦茨大学与斯图加特大学的研究团队近日在《Communications AI & Computing》上发文称，他们利用悬浮在液滴中的400个微观粒子，完成了一次混沌信号预测和异常检测实验。
按照论文说法，这套装置并不是传统意义上的电脑，而更接近一种“流体物理计算平台”，研究中使用的每个微型振荡器都是一个二氧化硅小球，表面一侧镀有80纳米厚的碳层，悬浮在28摄氏度的水-二甲基吡啶混合物中。
通过532纳米激光加热粒子单侧，可以让粒子向指定目标点运动，但由于成像与重新定位之间存在延迟，粒子最终会稳定在小范围轨道上，并通过流体场与邻近轨道产生耦合。
这类平台的吸引力在于，它不是先把物理现象翻译成数字信号再算，而是让物理系统本身就完成一部分计算。
实验显示，该流体阵列对一个混沌Mackey-Glass时间序列的一步预测误差可以做到约0.1左右，并且在只输入部分振荡器信号、个别粒子失联或出现轻微聚集时，结果仍能保持一定稳定性。
不过，论文也坦承这套流体方案目前还比不过更成熟的存算器件路线，研究团队指出，基于忆阻器的储层计算平台在相同基准测试中可以做到0.01甚至更好的误差水平，而液体振荡器阵列的精度大约还要差一个数量级。
换句话说，现阶段它更像是一次概念验证，而不是能立刻落地的硬件路线。从实用角度看，该平台在能耗、集成度和长期稳定性方面尚未达到实际部署要求，但其物理计算理念——利用流体本身的动力特性来模拟复杂系统——为探索新型非冯·诺依曼计算架构提供了有价值的参考。尤其值得注意的是，这类系统天然具备模拟计算的自适应能力，在处理时间序列预测等连续信号时，可能比数字电路更省电，这也是未来值得深挖的方向。
目前该平台仍依赖532纳米激光、声光偏转器扫描、实时显微粒子追踪和温控石英池等设备，实验复杂度不低，能耗数据也未公开，研究团队自己也提到，激光驱动方式未必适合实际部署，未来更有可能转向电极驱动胶体等更简单的控制方案。
尽管如此，这类研究仍然提供了一个值得跟踪的方向：如果未来能用更低成本、更低能耗的物理系统完成部分计算任务，那么在特定边缘计算或专用AI硬件场景里，流体计算未必没有想象空间。例如，在一些对精度要求不高但对能耗极其敏感的物联网节点中，这类物理计算平台可能比传统数字芯片更具优势。同时，如何将流体阵列扩展到数千甚至数万粒子规模，以及如何解决粒子间的随机扰动问题，将是下一阶段的关键挑战。
只是在这条路上，距离真正可用还差得很远。
