用于热力学计算的数学框架及其在化学反应网络中的应用

为什么化学可能驱动未来的计算机

计算机为我们完成的任务越来越多，从训练人工智能到模拟气候与新药物，而这些工作消耗大量能量。本文探索了一种激进的替代方案：利用物理系统中能量的自然推动与拉扯——尤其是化学反应——来进行运算。与其在硅片上搬运电子，不如让精心布置的分子通过遵循热力学定律来“计算”，这有可能提供一条通向更高能效和大规模并行计算的途径。

将能量流转化为数学

作者首先构建了一种将基本热力学概念——如能量与概率的变化——与算术运算联系起来的一般数学语言。他们设想一个由许多可测量量描述的系统，例如粒子数或电压，并跟踪在过程中系统状态概率如何变化。通过用单一的进度变量来表达这些变化，作者证明了通过组合或比较系统不同部分的能量贡献可以实现加法和减法，而当这些量以指数形式解释时，乘法和除法便会出现。换句话说，如果你知道系统在一个过程中的“付出”如何累加，就可以把这种付出重新用作计算器。

将反应用作模拟计算器

化学反应为这种计算提供了特别丰富的试验场。每个反应通过自由能和化学势的变化将反应物与产物联系起来。论文表明，这些量子行为像数学的构建模块：能量变化的和实现加法，而反应物与产物浓度的比值通过化学家所说的平衡常数与反应商实现乘法。通过选择能量学已知的反应，可以将数字编码到不同分子的浓度中，让它们反应，然后从生成的混合物中读取答案。作者通过示例展示了简单反应如何有效地相乘非常大的数，其结果由反应进行的概率决定。

从单次求和到高维问题

由于许多反应可以同时发生，相同的思想可以自然地扩展到单个数字之外。该框架展示了反应链如何乘以长列数值、将独立产物相加，甚至模拟矩阵—向量乘法——这一科学计算与机器学习的核心操作。通过把反应网络本身视为一种模拟电路，多重反应间的自由能变化可以解释为作用于化学势向量的矩阵项。这意味着，从原则上讲，可以通过引导混合物朝稳态发展并测量所得的浓度或能量变化来求解方程组，甚至微分方程。

设计微型化学计算机

为了将理论付诸实践，作者概述了一种微流体器件——由通道和腔室构成的小型分层芯片——可以承载基于反应的这些计算。编码输入值的反应物会被注入到特定腔室，流动、阀门和半透膜控制它们如何混合与反应。有些腔室在“开环”中工作，固定输入产生待测产物，而另一些则使用反馈，通过调整流入直到达到对应于减法或除法的目标状态。集成传感器检测浓度，数字控制器则引导流体并解释输出，类似于传统处理器中的指令调度器。同一硬件还可支持水库计算（reservoir computing），利用反应网络丰富的内部动力学进行模式识别和时间序列预测。

自然计算的前景与挑战

作者认为所有计算归根结底都是热力学过程；此处的不同在于能量流本身成为信息的介质，而不只是隐藏的代价。这为在速度上作出让步以换取巨大的能效和并行性提供了可能，类似于活细胞如何通过生物化学处理信息。与此同时，实用的化学计算机必须应对反应缓慢或噪声大的问题、准确热力学数据的需求，以及将抽象问题映射到真实反应网络和微流体布局的复杂性。尽管如此，这项工作为热力学与化学计算提供了一条清晰的数学和工程路线图，暗示未来的科学模拟和专用人工智能任务有一天可能运行在由分子追求平衡的平静而持续驱动的小型芯片实验室上，而非依赖晶体管。

引用: Cannon, W.R., Johnson, C.G.M., Bohm Agostini, N. et al. A mathematical framework for thermodynamic computing with applications to chemical reaction networks. npj Unconv. Comput. 3, 16 (2026). https://doi.org/10.1038/s44335-026-00057-5

关键词: 热力学计算, 化学反应网络, 微流体计算, 模拟计算, 节能计算