人工智能（AI）的兴起，为脑仿生新型计算模式的发展，注入了巨大的动力。智能物质，可以通过接收和响应外源刺激，对自身结构进行调整，以实现信息的分布和储存。近期，德国明斯特大学的W. H. P. Pernice等人在Nature上发表综述，报道了实现智能物质的研究进展，利用分子系统、软材料及其固体材料发展软机器、自适应人工皮肤和分布式神经形态计算。除了概述这些智能物质的发展轨迹外，还分析了智能物质开发的趋势。一、集群基自组织材料复杂行为的突出特点在于，其对集群的依赖性，集群中的大量个体，能够产生集体相互作用。二、软物质在生态系统中，柔软、弹性和可塑性是突出特征，能够凭此进行连续变形，并从而在拥挤的环境中实现顺滑运动。三、固态物质固态材料中的信息处理技术，可程序化和高度连通的网络，是特别适合进行这些计算任务的，仿生脑的神经形态硬件，则为实现这些任务提供了物理保障。半导体工业中，自上而下的制造工艺，为神经形态硬件提供技术支持。目前，正在探索的自下而上的纳米材料策略，也为非传统、高效计算提供了新的思路。
目前的挑战还在于，为智能物质的制造、量产和控制发展有效方法和策略。智能物质必须含有动态材料，1需要具有丰富的构象自由度、运动性和纳米尺度组分交换能力。2纳米尺度组分之间的相互作用必须足够弱，以此来保证外源刺激的可操纵性。3能够展现一定程度的纳米组分自组织能力，以保证长期记忆和反馈作用可以被嵌入。4需要时空精确度的可寻址能力，以保证接收和传输外部输入。为此，开发杂化策略，可实现要求和要素的相容性。文献链接： /articles/s41586-021-03453-y /10.1038/s41586-021-03453-y原文链接： /s/dvESJuqDh_dyvKmbG2nXNQ本文节选自“高分子科学前沿”，略有删增。