image: a，洛伦兹系统的混沌动态轨迹图，展示了其非线性特性和蝴蝶效应。b，使用16 KB SRM储层计算平台进行μ值计算的示意图。通过SRM阵列输入洛伦兹系统中的x、y、z时间序列数据，精确计算出μ值。当计算出的μ值与预期值的偏差超过预设阈值δ时，系统将通过岭回归重新调整权重，迭代优化μ值估计的准确性。c，复杂自然系统边缘端预测应用场景，包括动物迁徙、云层变化和洋流扰动。d，待机单元在整流区域运行，输出极低电流，显著降低功耗。e，处理单元在脉冲信号下实现连续导通调制，在低电压下可获得128个离散电阻状态，并具备自主导通恢复能力。这些单元可用于序列识别，并通过路由单元实现导通相互作用，建立连接。f，具有可逆电阻状态的路由单元：高电压使器件进入低电阻状态，而负电压则恢复初始状态。 view more
Credit: ©《中国科学》杂志社
天气、洋流等复杂系统之所以难以预测，一个重要原因是微小变化会迅速放大，而一个区域发生的变化还可能影响远处的状态。储备池计算擅长处理这类随时间演化的非线性信号，但多数物理储备池的网络连接在硬件制备完成后便基本固定。面对不断变化的动态关系，固定的计算网络往往难以及时调整自身结构。
固定的网络，难以跟上变化的世界
针对这一问题，研究团队构建了一种能够在运行过程中直接改变物理连接关系的储备池计算系统。其核心是一款16 kb自整流忆阻器阵列，并采用小世界网络架构：局部区域保持较强连接，同时通过少量长程连接实现远距离信息交换。这样一来，系统既能集中处理变化显著的局部区域，又能捕获不同区域之间的关联，更适合描述具有多尺度特征的复杂混沌动力学。
单个器件，三种功能
关键在于，同一个忆阻器可以随施加电压不同而承担不同功能。低电压下，器件提供非线性模拟响应，用于局部信息处理；较高电压下，稳定阻变使部分器件转变为路由单元，在不同活跃区域之间建立长程连接；反向偏压下，自整流特性能够抑制非活跃单元中的寄生电流，使其保持低漏电待机。器件级测试显示，该忆阻器的整流比超过一百万，并可分辨多达128个电导状态。与在固定硬件上用软件模拟网络变化不同，这一阵列能够直接改变自身节点的物理特性从而片上实现计算网络的拓扑结构。
从“蝴蝶效应”到真实混沌系统预测
研究团队首先利用与“蝴蝶效应”密切相关的经典Lorenz系统验证该平台，可重构储备池实现了0.0613的归一化均方误差（NMSE），核心阵列每次选定操作的能耗为0.83 pJ。随后，系统进一步用于30天气象云层厚度动态预测。通过将计算资源集中于变化显著的区域，并动态建立这些区域之间的连接，系统保持了超过90%的逐帧预测准确率，相比固定拓扑储备池硬件提升7.6%。这些结果表明，网络拓扑可以从软件中的配置参数转变为计算器件自身可调的物理属性，为面向大气动力学及其他非线性、多尺度复杂系统的低功耗自适应神经形态计算提供了新的实现路径。