文|史这样滴

编辑|史这样滴

分布式系统（DSs）是空间上分散在有界域内的元素的凑集，其集体属性取决于元素及其相互浸染，包括彼此之间以及与环境的相互浸染。

这取决于它们的折衷和掌握策略，资源的可用性和共享、性能温柔应性，除了元素和相互浸染的详细特色。

生物学是DS和自组织的例子的紧张来源，它们的潜力反过来又引发了DS在广泛的深入研究领域和日益遍及的技能遍及性的引入。

例如分布式信息处理、微/纳米机电系统和人工智能系统，我们认为后两个领域特殊有趣，由于它们代表了人工分布式系统的繁芜性和规模连续体的极度。

同时，它们表现出向共享、观点和技能中点的趋同，表示在我们在此表示的智能最小粒子。

而在连续体的一侧，机器人代理常日是宏不雅观的，在能量，运动和通信方面是自主的，并且它们可以通过（有限）数量的内部状态来描述，这些状态决定了它们对环境影响的审议反应。

然而，自治的代价是高度繁芜、本钱和对故障的敏感性，因此，机器人技能中一个非常生动的研究课题涉及涉及更大略和更小机器人的大规模分布式机器人系统的设计和掌握。

这种群体机器人系统常日利用自组织、冗余和环境替代来补偿单个机器人的技能局限性，这种方法与更普遍的极简主义机器人趋势同等。

虽然机器人模块所需的小型化本身便是一项艰巨的任务，但极简主义的寻衅是设计更大略、更强大的代理，只管存在技能限定，但仍能够在喧华的环境中实行所需的协作任务。

通过最小化其内部状态的数量-除了它们的通信，传感和驱动能力以及它们的移动性-这些机器人代理方向于渐近靠近纯反应剂的状态，就像分子，细菌或M/NEMS一样。

在连续统一体的另一边，精密制造的一个主要研究机构旨在生产越来越繁芜的非常小的系统，制造繁芜功能系统的一种有希望的路子是自主自组织和从其更大略的亚单元构建构造。

一个突出的例子是，由于批量制造技能，有源和无源M/NEMS器件数量很大，但它们通过串行操作有组织地集成到异构功能系统中，例如在消费电子制造中所做的那样。
在吞吐量、灵巧性和可扩展性方面受到限定。

因此，调用了大规模并行和高吞吐量集成，如自下而上的方法，例如自组装，然而这须要特定的几何设计和表面衍生化。

这样才能将M/NEMS器件准确高效地自组装到所需的铰接构造中，这种专用的物理化学定制编码局部信息和选择性相互浸染以辅导互助聚合，我们表示，M/NEMS器件和无源粒子（定义见第2节）的繁芜程度正在增加。

从观点上讲，智能与极简主义相反：极简主义方向于使智能粒子尽可能大略，被动和被动，而智能方向于使被动粒子尽可能繁芜，寻思熟虑和主动，在我们看来，智能极小粒子（SMP）代表了在M/NEMS技能和群体机器人中不雅观察到的这种对立趋势的自然收敛点。

我们将SMP定义为移动的，亚毫米大小的纯反应性试剂，通过其对外部物理刺激的分外设计反应性以及从当地环境中打消能量和信息的能力来补偿其机载资源的不敷，SMP可能受到环球和局部物理影响。

但它们只能进行局部相互浸染，对SMP的影响可以来自特定的刺激，相互浸染电位或场梯度，也可以来自可编程。

特定运用颗粒工程的部分示例列表包括选择性疏水或亲表面功能化，基于形状互补或匹配颗粒/结合位点几何形状的空间位阻亲和力;

选择性涂覆高界面能流体，如聚合物或熔融焊料磁性和电极化，包括静电和电动力学，基于DNA的衍生化，SMP的状态与界面构象切换有关，即，由于全局刺激。

这可以与其他粒子或模板的相互浸染，或环境局部性子的改变（，SMP为了大略性和健壮性而捐躯内部资源，并且仍旧能够利用本地交互实行非平凡的集体操作;突出的，时空折衷的，分散的和可扩展的组织-即聚合，特殊是自我组装。

SMP模糊了M/NEMS和群体机器人之间的界线，指向了从被动到有源粒子的空想连续体，在高下文中，它们还提出了富有成效的交叉施肥的可能性，即在一个领域采取最初在另一个领域开拓的术语和建模框架。

在本文中，我们论证了SMP的必要性和建议，通过从M/NEMS和模块化机器人。
关于自组装和聚合的文献中提取的实验和理论示例概述上述SMP的趋同，通过解释我们建议采纳SMP不雅观点，特殊是关于自组装SMP动力学的建模，以及在可能的情形下采取共享的稠浊术语。

这些回顾概述了拟议的SMP统一建模框架，即多级建模，该模型集成了一组观点上不同的模型，根据其抽象级别进行排名，并堆叠成一个连贯的分层系统。

通过该系统，掌握和设计参数可以无缝地从一个模型转移到另一个模型，向上或向下，末了我们提出了却论性见地和对未来研究的展望。

跨尺度自组装

自组装（SA）最近在精密工程和制造领域得到了相称大的发展势头，特殊是SA代表了自下而上制造异质和铰接衰落纳米系统的方法的紧张表示，这种方法植根于生物学和超分子化学。

而且它不断受到生物学和超分子化学的启示，是对在宏不雅观尺度上建立的自上而下的制造方法的补充，由于它具有高度分散、大规模并行和基本上无监督的掌握。

由于内在冗余，在原则上可扩展到掌握更大的构造，有趣的是，目前正在设想两种方法的组合，例如稠浊微处理，SA的分类如下图所示。

它在其静态模板化（或定向）变体中-常日用于M/NEMS折衷聚合，并且是该贡献的紧张焦点-SA通过有界装置空间内的有偏差随机搜索和装置系统的自由能景不雅观构建有序构造。

这些景不雅观的特色可以通过待组装粒子的物理化学特色、它们的相互浸染以及它们对外部刺激和组装空间施加的边界条件的反应来指定，所有这些元素都可以定制以掌握装置过程。

事实上，偏见和随机性之间的相互浸染是基于SA的制造业中持续辩论的工具，它可以使SA能够在办理方案或装置空间中实现广泛的灵巧性和有效的搜索;在用于办理约束知足问题的一大类随机优化算法中利用了非常相似的机制。

通过嵌入随机性，SA对噪声、去世锁和局部最优点具有内在鲁棒性;利用种子和偏见，SA的进展是有目的地辅导的，特殊是模板在大量对工业制造非常主要的SA流程中得到利用。

个中，组装韶光和吞吐量常日是关键的性能指标，在这种情形下，引入具有目标结合位点的预先设计的物理模板、选择性各向同性亲和力和互补形状匹配几何形状的引入能够实现可预测构造的增长并提高其组装速率。

此外在某些SA实例中，装置事宜的空间和/或韶光顺序可以在一定程度上预先编程，而且组装粒子反过来可以是大略粒子（分层SA）的先前SA的结果。

更主要的是，SA过程可以根据能量所起的浸染和粒子实现聚拢的主动水平进行大致分类[31]，至于前一种分类，在静态SA（sSA）过程中，能量仅在装置系统靠近（可能是其最小能量配置之一）时耗散。

在SA中，我们可以运用自由能景不雅观的热力学观点，一旦系统达到平衡，系统就不会有进一步的浸染，也不会从系统中开释能量，相反在动态SA中，持续的能量耗散本身是粒子有序稳态时空模式组织的起源。

DYSA涌如今通过不断暴露于外部能量梯度而分开热力学平衡的系统中（例如，耗散构造），隐含的构造组织被认为是大多数生物征象的根本，关于DYSA综合理论的主要研究仍在进行中，但仍旧缺失落。

关于后一种分类，粒子可以（主动SA）或不能（被动SA）故意花费内部资源（例如，能量，通信）来驱动过程或与其他粒子建立选择性的物理或信息联系，活性粒子意义上也是有源的。

只管反之并不一定精确：例如，电活性M/NEMS对付SA目的常日是被动的，它可以识别为具有自主程度和内部状态的代理，例子范围从活细胞到自我复制能够做出选择。

相反，在被动粒子中，自主性严格限于从环境中打消质量传输手段，构象转换以及遵守由身体和表面力介导的物理相互浸染。

为移动机器人的聚合和SA开拓了概率模型，以及聚合和集群的确定性模型（即聚拢体的折衷运动和基于图的方法，Hogg对粘性流体中的微不雅观机器人配位进行了全面的理论研究。

我们广泛研究了成群机器人的随机和分布式掌握，并且还利用了源自化学系统研究的建模方法，化学形式非常适宜SA的描述，并在最近涉及真实和仿照机器人的研究中进一步证明。

后记

通过利用非常多样化的机器人，我们广泛研究了由移动机器人介导的被动物体的聚拢，移动机器人的自组织聚合，乃至机器人和昆虫的 自组织聚合。

实际的SA是在Swarm-bot上实现的，Swarm-bot是一个66厘米大小的移动机器人，配备一个抓手，以及Klavins的可编程部件，即三角形机器人。

它们在空气桌上随机滑动并根据预先操持的方案相互组装，），这须要更大略的三角形机器人，它们在水/空气界面相互组装，并依赖受电弓进行能量供应和掌握。

而亚厘米级机器人的SA也正在得到办理，我们展示了MEMS机器人，它可以选择性地相应通过绝缘基板的指叉电极通报的单个全局掌握旗子暗记。

由于其划痕驱动实行器和单个转向臂，这些机器人可以描述相交的轨迹并合规地对接在一起，形成数倍于自身尺寸的平面构造，该机器人利用无线谐振磁性微致动器来获取电源，实现推进并实行伺服探索和可能的互助任务。

这种磁力直接将磁场的能量转化为机器运动，并可以通过频率编码旗子暗记进行掌握，Chang等人展示了由外部互换电场掌握的毫米级光相应二极管的电渗透运动。

这须要研究设计出足够小（约1厘米）的模块化手术机器人，通过自然孔进入人体，并能够将自己配置为胃内的运动构造。

SA须要不同细节级别的几个干系征象-每个征象都可能受到建模的影响，被动粒子的sSA模型紧张集中在三个紧张方面：准静态，瞬态动力学和集体动力学（这里没有抵牾：动力学在这里指的是瞬态方法。

它分别在单个和集体粒子水平-静态（终极）系统配置），前两个方面涉及对材料、物理化学和几何特性进行高度精确的、特定于案例的建模，这些特性会影响单个颗粒在装置构造中相对靠近其（最佳）目标位置的SA性能。

而后者的互补方面涉及一种更具关系性的多粒子视角，虽然通过保留有关系统物理和几何细节的大量细节来降落准确性，但仍旧捕获有关过程协同性的故意义的信息，并可能提高通用性和打算效率。

目前统计力学是最致力于对大型粒子凑集及其集体性子（包括其动力学）进行概率建模的学科，然而，到目前为止，M/NEMS特殊是机器人凑集认为粒子的数量要少得多，原则上该当通过特定的热力学来处理。

迄今为止，很少有人致力于仿照被动粒子的集体动力学，我们认为这是由于在M/NEMS社区中，与集体动力学建模相反，对单个粒子行为进行成熟的物理建模;现有模型合理预测定性装置趋势的能力。

更主要的是，拟议的SA运用缺少多目标本钱函数，这些运用紧张对优化吞吐量和/或组装韶光感兴趣，这可能可能缺少在其他领域开拓的建模框架的知识，而M/NEMS向SMP的趋同也有助于大幅缩小这一差距。

参考文献：

1卡拉马津;德纽堡;弗兰克斯;斯内德;塞劳拉兹;博纳波，E.生物系统中的自组织;普林斯顿大学出版社：美国新泽西州普林斯顿，2001年，[谷歌学术]

2沃内克;末了，M.;李博维茨;Pister，K.S.J.智能灰尘：与立方毫米打算机通信，IEEE打算，2001，34，44–51.[谷歌学术]

3马斯特兰奇利;阿巴西;瓦雷尔;范霍夫;塞利斯;Böhringer，K.F.从毫米级到纳米级的自组装：方法和运用，J·麦克纳米机器，微工程，2009，19，083001.[谷歌学术]