ทันเอไอ

研究人员提出“Memory Engine”：物理模型系统可通过内部“记忆”实现自组织

发表在《Physical Review E》上的最新研究提出了一种物理模型，粒子能通过在移动表面留下的痕迹作为系统的“记忆”，自发形成有序的运动模式。

研究团队在《Physical Review E》期刊上发表了题为“Memory engine: Self-organized coherence from internal feedback”的重要论文，提出了名为“Memory Engine”的新概念。该物理模型解释了看似混乱的系统如何在没有外部力量或控制者的情况下，从内部自发形成秩序。

该模型的核心在于粒子与环境交互产生的“记忆”概念。研究人员模拟了布朗粒子（Brownian particle，作随机运动的微小粒子）在具有粘弹性（viscoelastic）特征的特殊表面上的运动。该表面不仅是物理空间，还像“记忆场”（memory field）一样记录了粒子的运动轨迹。

其工作机制是一个简单而强大的内部反馈回路（internal feedback）：粒子运动时会在表面留下痕迹或改变该区域的属性，这些被记录的信息随后会反过来引导或限制粒子未来的移动。该过程在非马尔可夫（non-Markovian）框架下运行，即系统不会“遗忘”过去。

计算机模拟结果显示了一种惊人的现象：系统能从无序的随机扩散（unstructured diffusion）状态，转变为一种被称为“burst-trap cycles”的有序且循环的运动模式，即在快速移动与暂时停滞之间交替。决定这一转变的关键因素是作为记忆载体的表面刚度（stiffness）。