摘要：计算机科学正迎来一场静悄悄的革命。加州理工学院的科学家团队成功创造了世界上第一个能够自主学习的DNA神经网络，这一突破性成果标志着人工智能从数字世界向生物分子领域的重大跨越。这个完全由DNA链构成的神经网络不依赖电子元件，而是通过化学反应进行计算和学习，为未来

信息来源：https://phys.org/news/2025-09-dna-based-neural-network-examples.html

计算机科学正迎来一场静悄悄的革命。加州理工学院的科学家团队成功创造了世界上第一个能够自主学习的DNA神经网络，这一突破性成果标志着人工智能从数字世界向生物分子领域的重大跨越。这个完全由DNA链构成的神经网络不依赖电子元件，而是通过化学反应进行计算和学习，为未来的智能药物、自适应材料和生物计算开辟了全新道路。

发表在《自然》杂志上的这项研究展示了一个令人震撼的事实：在微小的液滴中，数十亿条精心设计的DNA分子能够像大脑神经元一样协同工作，通过识别手写数字的化学模式来演示学习能力。更重要的是，这个系统能够建立自己的记忆，将学习到的知识物理性地储存在特定DNA分子的浓度变化中，实现了从模仿学习到自主认知的质的飞跃。

生物工程教授钱璐璐领导的研究团队用七年时间攻克了这一看似不可能的挑战。该团队的目标是从零开始构建一个分子系统，使其能够吸收样本、发现潜在模式，并根据从未见过的新信息做出智能决策。这种能力的实现不仅代表了计算科学的重大进步，更为理解生命系统的学习机制提供了全新视角。

化学智能的工作原理

液滴中 DNA 计算和学习的抽象表示。图片来源：Olivier Wyart 和 Ailadi Cortelletti

这个DNA神经网络的工作机制既精巧又复杂。每个分子"图像"由20条独特的DNA链组成，按照10×10的模式排列，每条链代表一个像素。当系统遇到手写数字的分子样本时，会激活一组被称为"分子线"的化学信号通路，每条通路都代表数字与其物理特征之间的关联。

学习过程的关键在于分子记忆的形成。系统通过化学方式激活分子线来存储信息，随着时间推移建立起学习知识的物理记录。这一过程与人类大脑的学习方式惊人相似，正如神经科学中的经典原理"一起激发的细胞，连接在一起"，只不过在这里连接发生在分子层面，记忆存在于化学本身中。

整个计算过程在包含数十亿条DNA链的微小液滴中进行，涉及超过一千种不同类型的DNA分子。每种DNA链都经过精心设计，仅在特定条件下与特定目标发生反应。当一系列化学反应完成后，系统会产生相应的荧光输出信号，比如红色代表数字0，蓝色代表数字1。

这种设计的巧妙之处在于其完全的自主性。与2018年该团队开发的早期版本不同，新系统无需依赖经典计算机预先计算各组件的配比，而是能够自行开发和调整记忆系统，真正实现了分子层面的自主学习。

七年攻坚的科学历程

研究第一作者凯文·切里博士坦言，创造能够学习的DNA神经网络绝非一帆风顺。在复杂的分子系统中，解决一个问题往往会在其他地方引发新的挑战，就像修补水坝的漏洞却又在别处爆出新洞一样。

团队最初试图逐一解决遇到的技术难题，但很快发现这种方法行不通。复杂分子系统中各组分之间存在错综复杂的相互作用，局部修改往往会产生意想不到的连锁反应。最终，研究人员意识到需要跳出局部思维，从整体角度重新设计系统架构。

这个决定需要巨大的勇气，因为意味着要放弃多年来的部分工作成果，从零开始构建全新的系统。然而，正是这种大胆的战略转变最终带来了突破。通过全新的整体设计方法，团队终于实现了一直追求的目标——一个真正能够学习的分子系统。

切里回顾这段经历时表示，科学研究中最棘手的问题需要开阔的视野，以及在风险最高时重新开始的勇气。这一哲学不仅指导了他们的技术开发，也为其他面临复杂挑战的科研团队提供了宝贵启示。

革命性应用前景

DNA神经网络的成功不仅是学术成就，更预示着一系列革命性应用的可能性。在医学领域，这项技术可能催生能够实时适应病原威胁的"智能"药物。这些药物可以在体内学习病原体的特征模式，并相应调整自己的治疗策略，实现精准且动态的治疗效果。

在材料科学领域，这一突破为开发能够学习和适应外部条件的"智能"材料铺平了道路。例如，未来的医用绷带可能能够从患者皮肤信号中学习，并做出相应反应以促进更快的伤口愈合。这种材料能够根据伤口的愈合进程自动调整药物释放量或物理特性。

生物技术应用方面，DNA神经网络可能为开发更智能的生物传感器提供新思路。这些传感器不仅能够检测特定的生物标记物，还能够学习和适应不同的生理环境，提供更准确和个性化的监测结果。

在合成生物学领域，这项技术可能启发科学家设计能够学习和适应的人工细胞系统。钱教授设想的未来人造细胞能够观察生物细胞对不同分子线索的反应，储存这些经验，并学会如何对相似但不完全相同的线索做出自主反应。

生物计算的新范式

DNA神经网络的成功代表了生物计算领域的重大进展。传统的电子计算依赖于硅基芯片和电信号，而生物计算则利用生物分子的天然特性进行信息处理。这种方法不仅能够实现传统计算功能，还具备电子系统难以企及的生物兼容性和自适应能力。

与传统神经网络相比，DNA神经网络具有独特的优势。它们能够在生物环境中直接工作，无需复杂的接口转换。更重要的是，它们的学习和记忆机制与生物系统天然兼容，为开发真正融入生物体内的智能系统提供了可能。

这种新范式也为理解生命系统的信息处理机制提供了新工具。通过构建和研究人工的分子学习系统，科学家能够更好地理解生物神经网络的工作原理，推动神经科学和认知科学的发展。

随着技术的不断完善，DNA神经网络可能会与其他新兴技术结合，产生更强大的应用。例如，与基因编辑技术结合可能创造出能够在活细胞内进行学习的系统；与纳米技术结合可能开发出具有学习能力的纳米机器人。

这项突破标志着我们正在进入一个全新的计算时代，在这个时代里，智能不再局限于硅基芯片，而是能够在分子层面实现。DNA神经网络的成功不仅证明了生物计算的巨大潜力，也为解决当前人工智能面临的能耗、可扩展性等挑战提供了全新思路。

来源：人工智能学家