Исследователи обучили модели химических сетей вычислять нелинейные функции

Авторы препринта на arXiv показали, как обучать термодинамически согласованные сети химических реакций приближать нелинейные функции. Настройка меняет энергетический ландшафт, а результат определяется стационарным ответом на входное воздействие. В описанных моделях выразительность растёт с размером сети; особенно важным отдельным ресурсом оказался внутренний неравновесный привод. Работа исследует вычислительные свойства таких сетей и не сообщает характеристик готового химического процессора.

Марко Туччо, Джейсон Рокс и Джошуа Голдфорд разместили препринт о вычислениях в сетях химических реакций. Они рассматривают термодинамически согласованные модели, в которых внешний сигнал меняет установившееся химическое состояние. Задача обучения — сделать этот стационарный ответ похожим на заданную нелинейную функцию.

Для настройки авторы используют неявное дифференцирование и изменяют энергетический ландшафт: стандартные химические потенциалы, энергии переходных состояний и термодинамические приводы. Сети строятся из элементарных шагов соединения и расщепления. Более крупные конструкции в описании работы приближают более сложные немонотонные полиномиальные функции.

По выводам авторов, выразительность растёт логарифмически с размером сети и в первую очередь связана с числом реакций. Среди отдельных классов энергетических параметров сильнее всего на обучаемость влияют внутренние приводы, нарушающие детальный баланс. Результат относится к моделям стационарного отклика; опубликованный источник — аннотация первой версии препринта, поданной 15 сентября 2026 года.