聚合物忆阻器搭出概率计算机：四个p-bit在硬件里采样贝叶斯后验，统计落在理想采样器的有限样本范围内
核心概要
用溶液法加工的共轭聚合物忆阻器做成四个概率比特（p-bit，按输入以S形概率取0或1的随机单元），在线跟踪漂移后闭环运行吉布斯采样，对竞争、简并和协作三类后验的采样分布与自相关都落在理想p-bit的有限样本范围内，且没有参数拟合到目标分布。这套电路还能在软件重编程后复现可逆AND门，温度事先设定而非拟合。
深度剖析
概率计算机的随机源第一次由软材料承担：四个p-bit由溶液旋涂的共轭聚合物忆阻器构成，组成一个闭环采样的硬件网络，用来做贝叶斯后验推断而不是优化。 此前报道的物理p-bit网络都基于无机器件，包括磁性隧道结、铁电隧道结和氧化物忆阻器，任务集中在优化、逻辑或学习固定映射。 在三个只有十六种可能答案的气味识别任务上，采样分布与精确后验的KL散度在每100次扫描的检查点上落在1000次理想p-bit模拟的95%范围内：九次运行中八次全部检查点符合，第九次在100个检查点中有99个符合。
每个p-bit的随机性来自聚合物薄膜电阻随时间的随机起伏，输入只通过移动比较器参考电压施加，忆阻器本身的偏压在整个采样过程中保持不变。 此前的无机网络多用写入脉冲驱动器件，或由微控制器经数模转换器把输入加到与结串联的晶体管上。 四个器件的工作点从约0.1 V到约1.0 V不等，转移曲线宽度在约10 mV到110 mV之间，但用跟踪参数归一化后都落到同一条logistic曲线上，在0.001到0.999的概率区间内贴合理想线。
同一套电路和控制器在软件里换掉偏置与耦合，就能依次采样竞争、简并和协作三种结构的后验，无需改动硬件。 此前多数p-bit演示针对单一任务或单一固定映射，判据是直方图、最优性差距或成功率。 18次运行中有15次在约50小时内连续无人干预完成；期间单个忆阻器的工作电平漂移数百毫伏，噪声宽度变化最多六倍，但每次运行仍落在理想p-bit范围内。
在可逆AND门这一p-bit网络的标准基准上，自由运行时网络有96%的扫描停在真值表的四行上且份额接近相等，与理想p-bit的96%一致。 早期磁性p-bit工作通过调节参数直到玻尔兹曼律匹配实测计数，这里的温度在运行前设定，实测频率直接与精确分布比较。 两个输入都钳制为1时输出取1的扫描占95%，输出钳制为0时网络有98%的扫描停在三个一致的输入组合上，两种模式下KL散度都落在理想p-bit范围内。
启示与展望
演示限于四个p-bit、十六个联合状态的气味识别后验和可逆AND门，运行在玻璃基底上旋涂的ITO/pB6CC/Al忆阻器与面包板电路上，耦合由Python控制器经四个微控制器计算。作者把速度、规模和集成列为下一步，并指出更大的网络需要增加电路但不必改动控制器。
作者说明在线跟踪的学习率是启发式的，跟踪链不会精确收敛到后验，KL散度会在一个随学习率降低的值上趋于平稳；在同样在线校准的理想p-bit模拟中，这一理论偏差比10000次扫描后达到的KL值低两到三个数量级。器件在极端尾部概率上可能不遵循logistic律，因此只有目标概率在1%到99%之间的状态才更新中点与斜率估计。