Исследователи из Йельского университета разработали микрофлюидный чип, способный сохранять информацию без традиционной электронной памяти. Вместо транзисторов и электронных компонентов устройство использует поток жидкости и крошечные гибкие волокна, которые меняют положение под действием давления. Их конфигурация зависит от предыдущих потоков, благодаря чему система буквально сохраняет историю происходившего.
Эта технология может открыть новый путь к созданию мягких роботов, способных обрабатывать сигналы без привычных электронных контроллеров. Кроме того, она поможет учёным лучше понять, как некоторые живые организмы адаптируются к окружающей среде, даже не имея мозга.
Как работает микрочип, который запоминает поток жидкости
В основе разработки лежит микрофлюидика — технология управления небольшими объёмами жидкости в микроскопических каналах. Подобные системы применяются, например, в лабораторной диагностике и биомедицинских исследованиях. Однако обычно их поведение определяется текущими условиями, а для управления потоками часто требуются активные элементы.
Команда под руководством доцента кафедры машиностроения Йельского университета Амира Пахлавана (Amir Pahlavan) предложила иной подход: заставить саму конструкцию микрочипа хранить информацию о предыдущих событиях.
Внутри устройства находится сеть крошечных каналов, глубина которых составляет примерно половину ширины человеческого волоса. В каналах размещены гибкие микроволокна, частично препятствующие движению жидкости.
Когда жидкость проходит через систему, возникающее давление воздействует на волокна и может переводить их из одного устойчивого положения в другое. При этом меняется сопротивление потоку и, соответственно, характер движения жидкости по каналам.
Главное здесь заключается в том, что волокно не обязательно возвращается в исходное положение после изменения условий. Оно может сохранять новое состояние, а значит, дальнейшее поведение системы зависит не только от текущего давления, но и от того, что происходило раньше.
Именно это свойство позволяет говорить о физической памяти.
Вместо электронных битов — механические состояния
В обычном компьютере информация хранится с помощью физических состояний электронных компонентов. В разработке Йельского университета ту же базовую идею реализовали механическим способом.
Два устойчивых положения микроволокна можно условно представить как двоичные значения — ноль и единицу. Изменяя давление и характер потока, исследователи могут переключать состояние элемента, а сохранённая конфигурация влияет на последующее движение жидкости.
«В отличие от традиционных микрофлюидных систем, использующих активные элементы, эта система пассивно хранит информацию благодаря микроволокнам», — объяснил Абхинит Раджпут (Abhineet Rajput), ведущий автор исследования и аспирант лаборатории Пахлавана.
Слово «пассивно» здесь принципиально важно. Для переключения состояний не требуется, чтобы каждый элемент управлялся отдельным электронным механизмом. Информацию сохраняет сама физическая конфигурация волокна, а давление жидкости служит средством воздействия на неё.
Более того, микроволокна могут взаимодействовать друг с другом. Изменение состояния одного элемента способно влиять на соседние участки системы. В результате сеть получает возможность демонстрировать сложное коллективное поведение, которое не сводится к работе независимых механических переключателей.
Таким образом, исследователи создают основу для вычислительных систем, в которых информация кодируется не электрическими сигналами, а сочетанием движения жидкости и механических состояний.
Зачем нужна жидкостная память: управление мягкими роботами
Одно из наиболее перспективных направлений применения разработки — мягкая робототехника.
В отличие от традиционных роботов с жёстким металлическим каркасом, мягкие роботы используют гибкие материалы, позволяющие им деформироваться, сжиматься и менять форму. Благодаря этому они потенциально могут перемещаться в узких пространствах, взаимодействовать с хрупкими объектами и работать там, где жёсткие механизмы оказываются неудобными.
Однако гибкость конструкции создаёт и определённые трудности. Роботу необходимо координировать движения, обрабатывать сигналы датчиков и принимать решения о дальнейших действиях. Обычно для этого используются электронные контроллеры, которые могут усложнять конструкцию.
Микрофлюидная память предлагает альтернативу. Давление и скорость движения жидкости могут выполнять роль сигналов, соединительные каналы — передавать их между элементами, а гибкие волокна — регулировать потоки и сохранять информацию о предыдущих состояниях.
В перспективе такая система могла бы стать своеобразным мозгом мягкого робота, встроенным непосредственно в его структуру.
«Мы могли бы разработать полностью флюидный контроллер, интегрируемый в мягкого робота и фактически выполняющий роль его мозга», — отметил Амир Пахлаван.
Ещё одно возможное преимущество связано с условиями эксплуатации. Электронные устройства могут испытывать проблемы в средах с сильными электромагнитными помехами. Система, управляющая сигналами посредством движения жидкости и механических взаимодействий, потенциально позволит обойти часть подобных ограничений.
Впрочем, пока это направление остаётся перспективой. Предстоит выяснить, насколько надёжно подобные контроллеры смогут управлять реальными роботами и справляться с практическими задачами.
Сможет ли такая система учиться?
Хранение информации — лишь первый шаг. Следующий вопрос заключается в том, можно ли научить жидкостную сеть изменять свои реакции в зависимости от полученного опыта.
Если исследователям удастся управляемым образом менять поведение таких сетей, они смогут перейти от простой физической памяти к своеобразному обучению. Система будет не просто сохранять состояние, а адаптировать реакцию на поступающие сигналы.
Это направление интересно не только инженерам, но и биологам.
Некоторые живые организмы демонстрируют удивительные способности к адаптации без нервной системы и мозга. Например, слизевики могут находить эффективные маршруты в лабиринтах. Грибы и корни растений также реагируют на изменения окружающей среды, взаимодействуя с ней сложными способами.
Жидкостные сети способны стать экспериментальной моделью для изучения подобных явлений. С их помощью можно исследовать, как локальные взаимодействия и сохранение предыдущих состояний влияют на поведение целой системы.
Однако важно различать перспективу и достигнутый результат: способность микроволокон сохранять информацию уже продемонстрирована, тогда как полноценное обучение такой сети ещё предстоит исследовать.
Новый подход к вычислениям
Разработка Йельского университета показывает, что память необязательно должна быть электронной. При определённых условиях информацию можно сохранять непосредственно в механической структуре, а передавать и обрабатывать сигналы — с помощью движения жидкости.
Пока речь не идёт о замене обычных компьютерных чипов или создании универсального компьютера на воде. Исследователи продемонстрировали физический принцип, который может оказаться полезным прежде всего для специализированных устройств, включая мягких роботов.
Следующий этап — выяснить, насколько масштабируемой, надёжной и управляемой окажется эта технология. Если учёным удастся объединить множество таких элементов в работающую систему, жидкостная память может стать важным инструментом для робототехники и изучения адаптивного поведения.
Результаты исследования опубликованы в научном журнале Physical Review X.
