← 最新论文
🌀 nonlinear sciences

Fluidic hysterons and memory in flow networks

本文证明了粘性流与弹性纤维变形之间的被动流体动力学反馈可以产生流体迟滞子,从而通过几何控制实现从非相互作用的回点记忆向类雪崩式切换的转变,进而构建记忆网络。

原作者: Abhineet Singh Rajput, Amir A. Pahlavan

发布于 2026-07-17
📖 1 分钟阅读☕ 轻松阅读

原作者: Abhineet Singh Rajput, Amir A. Pahlavan

原始论文采用 CC BY 4.0 许可(http://creativecommons.org/licenses/by/4.0/)。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性,请参阅原始论文。 阅读完整免责声明

流动之水的秘密生活

想象一个世界,那里的水不仅仅是在流动,它还拥有记忆。在物理学的隐秘角落,科学家研究的“记忆”并非人类的特质,而是一种机械特性。想想橡皮筋:如果你拉伸它然后松手,它会弹回原状。但有些材料更为复杂。它们具有“双稳态”性质,意味着它们可以舒适地处于两种截然不同的形状之一,就像一个要么处于“开启”状态、要么处于“关闭”状态的灯开关。当你推动这些材料时,它们不会平滑地改变,而是会突然从一种状态“跳变”到另一种状态。这种行为被称为滞后现象(hysteresis)。这就是为什么磁铁在移除磁场后仍能保持磁性的原因,也是为什么揉皱的纸张无法两次完全以同样的方式展开的原因。

通常,我们在固体中看到这种现象——比如金属的屈曲、塑料的弹跳或沙粒的移动。但液体呢?水以其可逆性闻名;如果你搅拌水流然后反向搅拌,它会恢复到原始状态。然而,科学家们长期以来一直好奇:一个流动的流体网络(例如你大脑中微小的血管或黏菌中的管道)是否能产生属于自己的记忆?流动本身,通过与柔性壁面的相互作用,能否创造出一个“记得”过去受力情况的系统?这正是耶鲁大学一项新研究的核心问题,该研究正在探索水与摇摆的纤维如何联手构建一台无需任何电子元件或固体开关的“记忆机器”。


论文:当水像开关一样跳变

在这项研究中,研究人员 Abhineet Singh Rajput 和 Amir A. Pahlavan 发现了一种方法,可以通过流动的力量,让单根弹性纤维表现得像一个记忆开关。他们没有使用预制的“跳变式”弹簧或屈曲梁,而是建造了一个微型流体通道(微观管道),并将一根柔软的弹性纤维以微小的角度锚定在其中。

这里有一个神奇的戏法:随着他们缓慢增加流经通道的水流,纤维并不仅仅是轻轻弯曲。在某个特定点,它会突然跳变到一个新位置。为什么?这是一个反馈游戏。当水推动纤维时,纤维弯曲并缩小了旁边的间隙。这种变窄使得水更难挤过该间隙,从而改变了压力并更用力地推动纤维,导致它骤然闭合。这是一个“流体迟滞器(fluidic hysteron)”——一个纯粹诞生于流动液体与弯曲固体之间舞蹈的记忆元件。

研究人员发现,纤维是发生跳变还是仅仅发生弯曲,取决于其几何形状。如果纤维相对于通道宽度较短,它会平滑地弯曲。但如果纤维足够长(具体来说,当其长度与通道宽度的比例 λ\lambda 约为 1 时),它就会经历一次突然的、不连续的跳跃。这种跳跃创造了一个“滞后环路”:使纤维闭合所需的流速与使纤维重新开启所需的流速是不同的。系统“记得”它最近是否发生了跳变。

“负载线”:大脑的旁路

为了将这根单纤维变成一个可调谐的设备,团队在纤维通道旁边添加了一个平行的第二通道——一个“旁路”。他们可以改变这个旁路的宽度,由一个称为 β\beta 的比例来控制。把旁路想象成一条绕行公路。

当旁路很窄(或不存在)时,纤维会发挥作用:它会跳变,从而产生记忆。但随着研究人员加宽旁路,他们发现可以借此“调控”记忆。较宽的旁路就像一个安全阀,夺走了一部分水流。这降低了对纤维的压力,使其更难发生跳变。如果旁路足够宽,纤维就永远不会跳变,记忆也会随之消失。这使得科学家能够通过仅仅改变相邻通道的宽度,就能在“跳变开关”与“平滑弯曲”之间进行平滑过渡。这就像是拥有了一个记忆本身的调光开关。

雪崩:当一根纤维拖累其他纤维

当他们把十根这样的纤维排成一列时,真正的乐趣开始了。在一个没有旁路的简单设置中,每根纤维都是独立运作的。如果你增加流速,它们会按顺序一个接一个地跳变,就像多米诺骨牌依次倒下。这是一个“无相互作用”的系统,遵循一个严格的规则,叫做“返回点记忆(Return-Point Memory, RPM)”。这意味着如果你将系统推到一半,停下,然后将其拉回到起始点,它会返回到之前的精确状态。这是一个完美、听话的记忆。

然而,当他们打开旁路(增加 β\beta)时,纤维开始通过水进行“交谈”。因为它们共享相同的压力,当一根纤维跳变并阻塞路径时,水会被推入旁路,从而改变其他纤维的流动条件。这产生了一种“长程”相互作用。

突然间,有序的多米诺效应被打破了。纤维不再是一个接一个地跳变,而是开始触发雪崩。一根纤维的跳变改变了流场,以至于迫使第二根纤维紧随其后发生跳变,甚至导致之前已经跳变的纤维“退回”原状。系统在状态之间进行混乱的、对角线式的跳跃,而非平滑的步进。

最重要的是,这种相互作用破坏了返回点记忆。如果你将系统推到一半,然后将其拉回,它并不会回到完全相同的状态。它会“卡”在一个新的配置中。系统学习了一种新的、更复杂的记忆方式——一种混乱、具有交互性且充满惊喜的记忆。

这意味着什么

这篇论文证明,你不需要复杂的电子设备或固态开关来创造记忆。你可以完全利用被动的、流动的流体和柔性纤维来构建它。这种“记忆”产生于反馈循环:流动弯曲纤维,弯曲的纤维改变流动,而新的流动进一步推动纤维。

研究人员展示了,通过仅仅调整通道的几何形状(旁路的宽度),他们可以控制系统是作为一个简单的、听话的开关运行,还是作为一个容易产生雪崩的复杂交互网络运行。这表明在自然界中,或许在脑部微小的血管或黏菌的管道中,类似的流体-结构反馈循环,正是这些生命网络能够“记住”其历史并随时间改变其形状的原因。事实证明,即使没有大脑,水和摇摆的壁面也能讲述它们经历过的故事。

您所在领域的论文太多了?

获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。

试用 Digest →