# 德国科学家用400个液滴颗粒实现混沌信号预测，精度约为忆阻器方案的1/10

- 来源：IT之家（RSS）
- 发布时间：2026-07-28 11:30
- AIHOT 分数：38
- AIHOT 链接：https://aihot.virxact.com/items/cms44tvio06dzro82dthcxi73
- 原文链接：https://www.ithome.com/0/982/454.htm

## AI 摘要

德国康斯坦茨大学和斯图加特大学团队利用400个悬浮在液体中的二氧化硅微颗粒（半径3μm）构成储液池，成功预测了混沌Mackey-Glass序列，并在异常检测任务中取得0.90的F1值。该系统单步预测的归一化均方根误差约为0.1，精度约为基于忆阻器方案（误差0.01或更低）的1/10。相关成果已发表在《通信、人工智能与计算》期刊上。

## 正文

IT之家 7 月 28 日消息，科技媒体 Tom's Hardware 昨日（7 月 27 日）发布博文，报道称德国科学家利用液滴中的 400 个微小颗粒，完成混沌信号预测和异常检测。

“混沌信号”通常指由混沌系统产生的时间序列：它看起来像随机噪声，但本质上是由确定性（可用方程描述）的系统动力学产生的。它的典型特点是对初始条件极度敏感、长期不可预测、但统计规律性仍然存在。

该研究成果由康斯坦茨大学和斯图加特大学的物理学家团队研究打造，相关成果发表在《通信、人工智能与计算》期刊上。

该阵列预测了一个混沌的麦基-格拉斯（Mackey-Glass）序列，并识别出了不影响信号均值、方差和短时自相关性的异常，在更复杂的任务中取得了 0.90 的 F1 值。

麦基-格拉斯序列是 Mackey-Glass 方程生成的混沌时间序列，具有确定性规则和复杂变化特征。研究通常用它检验系统对非线性时间依赖关系的预测能力。该序列常用于储备池计算、神经网络和其他时间序列模型的基准测试。

不过该系统的精度依然存在挑战，论文中明确指出，单步麦基-格拉斯序列预测的归一化均方根误差约为 0.1，相比较基于忆阻器的储能系统（误差已达到 0.01 或更低），其阵列精度约为 10 分之一。

归一化均方根误差是指均方根误差经过尺度归一化后的指标，用于衡量预测值与真实值之间的偏差。数值越低，预测结果与目标序列越接近。

运行该储液池需要一台 532nm 激光器、一台以 100 kHz 频率扫描的双轴声光偏转器、一台带有粒子追踪功能的实时显微镜、一个温控石英池，以及一台普通计算机（用于处理 1000 个高斯核函数以生成输出结果）。

在系统设计方面，每个振荡器都是一个半径为 3μm 的二氧化硅球，其一端覆盖着 80nm 厚的碳层，并悬浮在 28°C 的水-二甲基吡啶混合溶液中。

科研团队利用 532nm 激光加热碳层，驱动粒子飞向预设的目标点。然而，由于成像和光束重新定位之间存在延迟，粒子会过冲并最终停留在一个较小的轨道上。液体中的流场会耦合相邻的轨道，数据以目标点位移的形式输入系统。

研究人员将振荡器排列为六边形晶格。单个粒子围绕目标位置运行，轨道半径约为 1 μm。阵列间距 L 可设为 12 μm、14 μm 或 30 μm。阻尼参数 Γ 可设为 0 μm、1.4 μm 或 1.5 μm。

脉冲测试中，研究人员将全部目标位置沿同一方向移动 4 μm，持续 4 个延迟时间 τ_d。由此测得的弛豫时间 τ_r 随 L 和 Γ 变化超过 1 个数量级。

在混沌 Mackey–Glass 序列预测实验中，阵列接收 6700 个时间步信号。前 80% 数据用于训练线性读出层，后 20% 数据用于验证。

模拟结果显示，输入通道数 N 从 1 增加至 10 时，10 步预测误差下降，继续增加后性能下降。仅驱动 20% 的振荡器时，系统仍保持较高预测准确率。

IT之家附上参考

Reservoir computing from collective dynamics of active colloidal oscillators