她叫阚韶华，山东淄博人，生于 1996 年，今年 25 岁。

近日，她的一作论文发表在 Advanced Science（IF 16.806）期刊，审稿人在各项评价中均给予 Top15% 的评价。

论文题为《通过电化学反应实现储层计算的物理实现》（Physical Implementation of Reservoir Computing through Electrochemical Reaction）[1]。

“编辑还邀请我们参与制作封面（不过最后被选为了扉页），把我的导师给激动坏了，周末都来跟我一起早出晚归地准备所需材料。”阚韶华说。

据悉，其本科毕业于中北大学微电子科学与技术专业，大三开始的专业课让她了解到“摩尔定律”即将失效的这一技术难题，其认为探索新的体系方案将是有趣的研究方向，因此来到日本大阪大学量子工程设计专业读硕士，跟随导师赤井恵（Megumi Akai-Kasaya）老师探索新型 AI 器件解决方案。

后来由于导师工作调动，阚韶华转到北海道大学情报科学院读博。2023 年博士毕业后，她打算回国找工作，并表示更想去企业工作。

从水中质子运动，到 AI 新型芯片

此次论文的背景在于：当前，基于晶体管的半导体芯片尺寸和速度，都已几乎接近物理极限。然而，AI 的发展使得人们对于计算规模和计算速度的需求，处于持续增长状态。

一种被叫做储层计算（Reservoir Computing）的神经网络，是解决该困境的最有潜力的方法之一。

执行计算的部分俗称为“水库”，它相当于传统递归型神经网络的隐藏层，由大量随机链接的动态节点组成，节点之间的链接权重无需训练和调整的，被“水库”处理后的信息可直接用于学习过程，因此可节省大量计算负担和训练时间。

一些比较复杂的计算问题比如天气状况、流体流动、软体材料的行为等，都可通过储层计算了解它们的内在动力学。

物理学中有一个非线性动态系统的概念，它能用于“水库”的构建中，虽然具有一些前提条件（比如系统不能是混沌的等），但自然界依然有许多物理系统都有可能利用其自身的非线性动态特性来实现储层计算，这一概念被称作物理储层计算。

一直以来，此概念都激发了物理学家们的诸多尝试：比如利用原子阵列、电子自旋、量子动力学等构建物理储层。

多年来，虽然取得了一定进展，但依然存在不够简明和通用等问题，因此物理储层的探索依然前路漫漫。

而此次阚韶华的工作，分两方面对上述问题做了研究：其一提出一套利用离子电流进行储层计算的独特方案；其二她发现这套测试设备，能让溶液依赖自身电化学响应和电极间的相互影响，进而构成一个有效的物理储层，同时具有强大的计算能力。

测试方案的实现过程如下：她先设计出一款微米级尺度的平面电极组，让电极之间相互平行，每组电极的一边是输入电极组、另一边是输出电极组。

这时，将溶液滴加在平面电极的表面，并在输入电极上施加电压，接着利用一套多路数据采集系统，依次读取各个输出电极上的响应电流（期间要经过十万至百万倍的放大）。

凭借这种系统设计，即使简单如纯水，也可以在复杂的非线性问题上表现十分出色。以气动人工肌肉为例，它是一种用于构建软体机器人的柔性材料，由于存在高阶的自由度、机械非线性和滞后性，其行为难以被控制和传感。

但在该研究中，它的长度变化却能被物理储层做出良好预测。随着阚韶华在实验中加入多金属氧酸盐，溶液的电化学过程也得到丰富，每个输出电极上的电流响应也更加动态多样，系统对周期性信号的处理能力也得以提高。

此外，她还发现水中的质子运动，对这类系统的计算能力发挥了关键作用，这一发现既有趣、又意想不到。

阚韶华表示，该研究是她硕士课题的延续。读硕士时，她第一次接触到储层计算，当时读了很多论文，感觉大部分物理实现都像一个“黑匣子”，内部动态和信息处理机制既不清晰、也不可控。

因此，她想建立一个简单可控的物理系统，并研究其作为储层计算的效果。

期间，她使用一对反向并联的二极管，通过外部控制让其简单的响应电流产生一定的动态变化，借此构建出一个非常简单的物理储层计算系统。将该系统结合相关算法，只需几十个节点就能实现对不同说话者的 10 个孤立词的识别，准确率达到 84% [2]。

这样的结果无疑展示了储层计算的巨大优势和开发潜力，也说明就连二极管这样简单的电流电压响应特性，都能被利用。

因此阚韶华认为，如果利用其他分子材料的电流电压反应或许会有更大收获，于是就有了本次研究的开题。

一开始，导师给她指定了多个材料，让其逐一进行实验测试和计算。

“但我中途放弃了，因为我不是化学专业出身的，我感觉自己没法从化学角度思考反应的过程，而且不确定因素实在太多，就连同一种材料得到的实验数据都让我有种完全无迹可寻的感觉。于是，我尝试只使用纯水测试，因为它不需要很复杂的化学知识来解释，结果没想到纯水在一系列的基准测试上的表现竟然非常好，而且性能非常稳定。”阚韶华回忆称。

就这样仅仅凭借纯水，她探索并明确了影响该物理储层的性能表现因素，以及测试电路中一些不可避免的干扰因素比如选择开关引起的泄漏电流，到底会带来多大程度的影响。

慢慢地，物理储层内部的细节被一点点明确，这时阚韶华认为可以添加导师要求的材料了，于是她加入极少量有着“电子海绵”之称的多金属氧酸盐材料，其独特的分子电子结构可以丰富电极上的电流响应。

结果发现，复杂多样的法拉第电流有助于提高系统对周期性信号的处理能力。此外，这两种溶液的共同特殊之处在于，采样时间较早的材料、比采样时间较晚的材料性能更佳，为此她又增加一组使用非质子溶剂作为参照的测试。

结果发现，这会大大降低系统的计算性能，也说明水中的质子运动，对系统计算能力起着核心作用。

有望在微米电极上，形成极短时间内的电流响应

阚韶华表示，该研究能为未来低功耗硬件计算系统的发展提供新视角。若干年内，有望实现仅在微米级电极上，即可利用溶液中的质子移动、或离子移动，形成极短时间内的电流响应，从而设计出更强大的计算系统，为日益重要的边缘计算提供低成本、低功耗和高度集成的硬件设备。

不过，当前系统仍有一定局限性，因此未来她计划改进测试电路，从而实现大规模的并行运算，以及把测试速度提高到微秒级别。

作为一名 95 后理工生，阚韶华有着她细腻却坚韧的一面。问及研究中难忘的事，她说：“肯定是之前没忍住在导师面前哭鼻子了吧，哈哈。一开始我搭建的测试系统不能正常工作，推测问题出在厂家新制作的电路板上，但导师把一块原来能正常使用的旧板子给我测试时也失败了，所以导师认为是我电路搭建或者测试代码出了错。”

于是，她用好长时间全部重新来过，还是觉得电路板有问题，最后对着厂家电路图逐个把板子上的模块进行搭建和测试，并把问题锁定在位移寄存器上。

这时，导师帮她联系厂家后，得到的答复却是他们测试该器件时能够正常工作，当时阚韶华的心情有些崩溃，因为前后耗时远超预期，而且她十分确定问题出在哪里，但是没有人遇到同类问题，导致导师也不太相信她的判断。这时导师安慰她，说要是不行就换一个同学来做。

提及此阚韶华说：“这时，我实在憋不住泪水了。我回应导师说：‘在电路方面，组里其他人的经验都没我丰富，很多人出问题时还是我帮忙解决的，我不觉得如果我解决不了的问题其他人就能解决。’然后越想越委屈，一路哭着回住处。回去后还是不希望把自己的课题交给别人，就在网上用中文、英语、日语分别搜索这个型号的位移寄存器在使用中会遇到的问题，最后终于找到一些关于供电电压的讨论。”

第二天一早，她就去实验室把该器件的供电电压从厂家指定的 5V 降到了 3.3V，惊喜地发现一切都能正常工作。

“虽然直到现在，导师依旧不相信厂家给的使用建议会出错（笑），但我的课题总算可以进行下去了。”阚韶华表示。

-End-

参考：

1、Kan, S., Nakajima, K., Asai, T., & Akai‐Kasaya, M. (2021). Physical Implementation of Reservoir Computing through Electrochemical Reaction. Advanced Science, 2104076.

2、Kan, S., Nakajima, K., Takeshima, Y., Asai, T., Kuwahara, Y., & Akai-Kasaya, M. (2021). Simple reservoir computing capitalizing on the nonlinear response of materials: theory and physical implementations. Physical review applied, 15(2), 024030.

*博客内容为网友个人发布，仅代表博主个人观点，如有侵权请联系工作人员删除。