Physics of Computation and Behavior in Plants

Yasmine Meroz

View Original ↗
AI 導讀 technology general 重要性 3/5

植物靠生長素梯度實現去中心化計算;平衡數 B(0.9–9.3)一個參數統一 12 物種向性動態。

  • 平衡數 B(0.9–9.3)單一無因次參數統一 12 種植物向性響應,低 B 值過阻尼、高 B 值多重過衝。
  • 小麥胚芽鞘雙峰記憶核等效臨界阻尼振子,使植物向性同時具備刺激積分與差分運算能力。
  • 光受體非線性冪次律(α < 1)使感知光方向與物理最大光強方向產生系統性幾何偏差。

植物無大腦、無神經元,卻能在崎嶇土壤中精準找水、在密林裡競逐光源。這篇來自 arXiv 的物理計算綜述,橫跨 12 種被子植物分析向性響應數據,發現一個無因次「平衡數 B」(實測範圍 0.9 到 9.3)就足以預測物種間截然不同的動態模態,將植物確立為研究去中心化計算的天然模型系統。作者 Yasmine Meroz 整合三個互補物理框架——分散式物理運算、具身機械智能(embodied mechanical intelligence)、功能性隨機性(functional stochasticity)——試圖為達爾文兩百年前的「根腦」問題建立現代物理語言。

達爾文「根腦說」與去中心化物理計算的現代提問

十九世紀末,達爾文父子在研究向光性時,發現刺激感知集中在頂端、生長響應卻在遠端執行,推論其間必有訊號傳遞機制。後來 Boysen-Jensen 與 Went 確認,傳遞的物質是可擴散的生長素(auxin),其不對稱分布驅動器官彎曲,奠定了著名的 Cholodny–Went 框架。更早的 Julius von Sachs 已確立向性源自差異生長速率而非主動收縮。達爾文提出「根腦(root brain)」概念,試圖解釋植物在無中心控制下仍能展現的協調行為——這個兩百年前的問題,現代物理學正以凝態物理與主動物質的語言重新審視。

植物是由剛性細胞拼接、主要靠水分與激素輸運通訊的完全去中心化系統,沒有任何符號化或集中式運算單元。這種解剖學上的「簡陋」反而讓植物成為探索物質本身的動力學如何實現計算的理想場域,與凝態物理中對驅動無序系統、適應性網路的研究自然銜接。從物理計算的視角,分散式計算需要三個核心特徵:記憶(past inputs encoded in state variables)、空間整合(local signals combined into collective responses)、狀態更新(internal variables evolving under driven dynamics)——本文接下來逐一展示這三者如何在植物向性中具體實現。

平衡數 B(0.9–9.3):一個無因次參數統一 12 種植物向性

向性(tropism)是植物器官對方向性外部刺激的生長響應。向光性靠藍光光受體 phototropin(光敏色素)感知;重力向性靠特化細胞 statocyte 中的靜石(statolith,富含澱粉的顆粒)因重力沉降提供方向感知。近期研究發現靜石群體行為近似活性顆粒液態(active granular liquid),這一物理描述解釋了植物對微小傾斜角的高靈敏度。

現代理論模型將向性動力學形式化為曲率演化方程:器官曲率的時間演化由向性感度 β本體感覺敏感度 γ(器官缺乏外部刺激時趨向直立生長的 autotropism 機制)共同決定。穩態解定義收斂長度 L_c = γ/β,描述曲率的空間分布範圍;兩個特徵長度之比即為無因次平衡數 B = L_gz·β/γ(L_gz 為生長區長度):B < 1 時過阻尼、器官無法完全重新定向;B > 1 時器官可達目標方向後過衝,產生振盪模態。

Bastien 等人跨越小麥胚芽鞘至白楊樹共 12 種被子植物,測得 B 值介於 0.9 至 9.3。低 B 值物種(小麥)呈現無過衝的平滑 Mode 0;高 B 值物種(鳳仙花 Impatiens)出現類 S 形的多重過衝 Mode 2+,與方程預測的相圖結構完全吻合。B 同樣可由時間尺度推導:收斂時間 T_c ~ 1/γ 與重新定向時間 T_v ~ 1/(β·L_gz) 之比即為 B,統一了向性問題的空間與時間描述。

雙峰記憶核(biphasic kernel):植物向性同時具備積分與差分運算能力

植物的向性響應並非即時反應。實驗證明,時間結構不同但時間積分相同的刺激,可誘發相同的生長響應——暗示植物對過去輸入保有加權記憶。已知案例橫跨多個尺度:重複單側照光導致光響應脫敏;Venus 捕蠅草閉合需要兩根感覺毛在特定時間窗口內依序觸發;白楊莖重複彎曲後轉錄響應衰減;更長時間尺度上,植物透過表觀遺傳修飾記憶過去的逆境。

在數學上,這種記憶以記憶核 μ(t) 的捲積描述:任何時刻的響應,等於過去所有刺激對核函數加權積分的結果,框架來自線性響應理論與控制理論。針對小麥胚芽鞘推導出的記憶核呈雙峰(biphasic)結構——正峰在前、負峰在後。計算含義直觀:時間間隔短的刺激彼此相加,中等間隔刺激相互抵消,間隔過長則前期信號被壓制,讓植物同時具備積分與差分運算能力。這個二階響應函數在數學上等價於接近臨界阻尼的強迫振子RLC 電路,為尋找具有相應功能的生物過程提供了可測試的假說框架,也展示了信號處理工具在生物系統中的廣泛適用性。

光受體非線性冪次律(α < 1):感知光方向與物理最大光強方向的幾何偏差

光受體 phototropin 並非集中在單一感覺器官,而是分布在莖的整個外表皮。植物對多個光源的響應,不等於「物理光向量之和」,而是「各局部轉導信號的向量和」。關鍵在於:光感受器的轉導函數遵從壓縮式冪次律 ν(I) = ν₀·I^α(α < 1),強光的邊際效益遞減。

由於轉導是非線性的,「先各自轉導再向量加總」的結果不等於「先加總再轉導」。後果是:在雙側或多方向照光情境下,植物感知到的光方向,與物理光強最大方向之間存在系統性幾何偏差——類似視覺中的幾何錯覺,但這不是生化缺陷,而是分散式表面感測加上非線性局部編碼的幾何必然推論。理論還顯示,面對相互拮抗的光源,較弱的正交方向光源可透過打破對稱性主導整體響應——植物並非單純追求物理光強最大化,而是回應其內部建構的感知表示。同樣的幾何原理,可能廣泛適用於靠延伸表面整合空間線索的去中心化感知系統,包括趨化細胞與神經元生長錐。

生長素場:空間編碼、時間記憶、隨機輸運三合一

前述的空間整合與時間整合,最終都匯聚到同一個物理場:生長素(auxin)的空間分布。方向性刺激透過 PIN 外排載體(PIN efflux carrier,決定生長素胞間輸運方向的跨膜蛋白)的亞細胞極性重定位,誘導生長素在器官橫截面的不對稱分布;這個梯度直接對應差異生長向量,決定彎曲的方向與幅度。若局部生長速率依賴多個信號場,差異生長向量即為各場貢獻的疊加,自然實現多刺激的向量加法。

生長素再分布涉及一連串時間尺度各異的輸運步驟——靜石重排、PIN 重定位、胞間流量——使梯度的時間演化構成對過去刺激的加權平均,即前述記憶核的物理實體。更進一步,分子輸運本質上是隨機的:離散噪聲信號的擴散與疊加,為跨時間窗口整合信息提供了物理機制,也是第三個框架「功能性隨機性」的微觀起點——在這裡,噪聲不是計算的干擾,而是計算的資源。三個面向——空間編碼、時間整合、隨機擴散——在生長素輸運這一物理過程中自然共存,使植物向性成為去中心化物理計算在活性物質中的具體實現,也為凝態物理與機器人學的交叉研究開放了一個活體實驗平台。

平衡數 B0.9–9.3,橫跨 12 物種)統一預測植物向性動態;若生長素梯度就是記憶核的物理實體,那麼「沒有大腦的計算」在植物中已持續運作了億年。

Abstract

Plants solve complex problems without centralized control, relying instead on growth-driven dynamics to sense, navigate, and optimize resource acquisition. This review presents a unified physical framework for understanding plant behavior through three complementary principles: distributed physical computation, embodied mechanical intelligence, and functional stochasticity. Tropic responses and circumnutations are interpreted as spatio-temporal dynamical systems in which information is encoded in biochemical and mechanical fields, integrated over space and time, and translated into differential growth. Mechanical interactions couple morphology to environmental constraints, enabling computation through material properties. Stochastic fluctuations, from molecular to organismal scales, act as functional resources that enhance sensing, exploration, and collective organization. Together, these processes position plants as a model system for decentralized computation in active matter, where behavior and structure emerge from the interplay of growth, transport, mechanics, and noise.