玻尔百科计算机芯片、汽车轮胎和活细胞有何共同之处？它们都会“记忆”。它们的当前状态和未来行为不仅仅是当前时刻的函数，更是被之前发生的一系列事件深刻地塑造。这一基本概念被称为历史依赖 (history-dependence)，是记忆的本质。虽然我们通常将记忆与大脑或数字设备联系在一起，但它是一个普遍存在的原理，支配着几乎所有科学和工程领域的行为。本文旨在探讨一个引人入胜的问题：从无生命的物质到复杂的生命体，这些截然不同的系统是如何记录其过去并据此行动的。
通过探索这一概念，我们将揭示连接看似无关现象的共同逻辑。本文的结构旨在逐步建立这种理解。首先，在“原理与机制”一章中，我们将剖析记忆的基本构成要素，考察它如何在数字电路中物理实现，如何通过塑性变形和滞后现象在材料中编码，以及如何通过生命体中由能量驱动的过程来主动维持。随后，“应用与跨学科联系”一章将展示历史依赖的深远影响，阐明其如何在智能材料、生态系统、量子器件中体现，甚至在现代计算机安全中造成关键漏洞。这段旅程将揭示，过去不仅仅是序幕，更是当下活跃且不可分割的一部分。
我们探索的核心是一个简单而深刻的问题：一个系统的未来仅仅取决于其现在，还是其过去留下了不可磨灭的印记？一个行为受其过去塑造的系统，我们称之为表现出历史依赖 (history-dependence)。这本质上是记忆最广泛的定义。这是一个统一的原理，我们发现它铭刻在计算机的硅片中，延展在材料的分子结构里，并编码于生命自身复杂的化学网络中。让我们穿行于这些不同领域，揭示让系统能够记忆的基本原理和机制。
想象两种简单的设备。第一种是门铃：只要你按着按钮，它就响；一旦松开，它就静音。输出（声音）是输入（按键）的直接、瞬时函数。这是一个组合 (combinational) 系统——它没有前一刻发生事件的记忆。现在考虑一个简单的电灯开关。你按下开关，灯保持亮着。你再按一下，灯保持灭着。这个开关记住了它的上一个状态。它有历史。这是一个时序 (sequential) 系统。
这个看似微不足道的区别是所有现代计算的基础。但是，从根本上说，构建一个能记忆的系统需要什么呢？考虑一个数字系统，其输出被规定仅在全局时钟信号的上升沿更新其值。在时钟的这些精确滴答之间，输入可能在剧烈变化，但输出必须保持稳定。它怎么可能知道现在要忽略输入，却在时钟滴答的精确时刻响应它们呢？它只能通过某种方式保持其当前状态，即“记住”其输出应该是什么，而对期间输入的噪声充耳不闻。在时钟事件之间保持状态的这种必要性是同步时序电路 (synchronous sequential circuit) 的定义性特征。时钟不仅为电路供电，它还精心安排了记忆更新的时刻。
为使这一点具体化，我们可以用像 JK 触发器这样的元件构建一个单位元记忆单元。假设我们希望这个单元存储一个数据位 ，但仅当我们将控制信号 置为 1 以命令其“写入”时才这样做。如果 ，该单元必须保持其当前值 。挑战在于设计逻辑来告诉触发器该做什么。解决方案非常巧妙：我们为触发器的输入 和 设计逻辑电路，使得当写入信号 关闭时，输入实际上告诉触发器“什么都不做，保持你的状态”。当 开启时，输入的安排则是告诉触发器“忽略你的旧状态，并变得等于 ”。在这个小电路中，我们看到了记忆的物理体现：一个稳定状态和一个用于改变它的受控机制。
记忆的概念从单个比特急剧扩展到整个计算机的架构。革命性的存储程序概念 (stored-program concept) 或许是历史依赖最强大的应用。在这种设计中，处理器的行为并非固定在其物理布线中，而是由存储在其内存中的一组指令——一个程序——所决定。这个程序就是处理器用来确定其下一步行动所参照的“历史”。要改变计算机的功能，你不需要烙铁，只需要改变内存中的程序。
这一原理揭示了适应性与性能之间的一个根本性权衡。想象一下，我们想执行一个复杂的流式计算，手头有两种工具：一个通用中央处理器（CPU）和一个专用现场可编程门阵列（FPGA）。
CPU 是存储程序概念的缩影。要改变其行为，我们只需将新程序加载到内存中，这是一个相对较快的过程。然而，在执行期间，CPU 必须不断地获取、解码和执行这些指令，这种开销限制了它在任何单一任务上的原始速度。它是一个万金油，但样样不精。
相比之下，FPGA 是一块空白的逻辑门板，可以被“硬连线”以在硅片上直接实现特定算法。它的“程序”不是指令列表，而是电路本身的物理配置。这使得它在执行其设计任务时异常快速和高效。但如果我们想改变其行为呢？我们必须经历一个缓慢而艰巨的过程：重新设计逻辑（综合）并重新配置整个芯片。
一个假想实验完美地突显了这种权衡。如果我们需要更改任务然后处理少量数据项，CPU 会完胜，其快速的“重编程”时间占主导优势。但如果我们需要处理海量数据项——在现实场景中是数十亿级别——FPGA 纯粹的处理速度最终会弥补其最初漫长的设置时间。这揭示了一个深刻的道理：一个系统的历史越是僵硬地嵌入其结构中，它就可能越高效，但代价是牺牲了灵活性。记忆的流动性是有代价的。
让我们离开数字逻辑的有序世界，进入物理材料的杂乱、有形领域。它们会记忆吗？取一根钢筋，对其施加拉力。起初，它的行为像一个完美的弹簧：位移与力成正比，如果释放，它会恢复原状。但如果你用力拉伸，超过其屈服应力，它会发生塑性变形 (plastic deformation) 并被永久拉长。它现在“记住”了这次事件。你为使其变形所做的功没有完全恢复；一部分已经作为热量耗散掉，重排了材料的内部晶体结构。这种路径依赖性是非弹性的一个标志。如果你计算一个涉及塑性屈服路径所做的功，你会发现它大于最终状态下存储的简单弹性能量，其差值就是耗散的能量。
这种材料记忆可以更加微妙和引人入胜。考虑一种炭黑填充的橡胶，就像汽车轮胎里的那种。当你第一次拉伸它时，感觉相当硬。然后，让它松弛。当你再次将它拉伸到同样程度时，你会发现它明显变软了。这就是Mullins效应: 材料记住了它曾经历过的最大应变，并相应地软化其响应。如果你绘制一个完整加载和卸载周期的应力与拉伸关系图，曲线不会重合。它们形成一个闭合的环，这种现象称为滞后 (hysteresis)。环内的面积代表了在该周期中转化为热量的机械能。
这个简单的观察对经典材料理论提出了深刻的挑战。一个纯粹的超弹性 (hyperelastic) 材料，其应力由一个仅取决于当前变形的应变能函数 导出。对于这样的材料，在任何闭合循环中所做的功必须为零，因为起始和结束状态是相同的。它根本无法表现出滞后现象。那么，我们如何为一个明显耗散能量并记忆其过去的材料建模呢？
答案在于丰富我们的描述。材料的状态不能仅由其宏观变形来捕捉。我们必须引入内禀变量 (internal variables) 来代表材料微观结构的隐藏状态——聚合物链的断裂、填充颗粒的滑动、微观损伤的累积。材料的自由能于是取决于可见的变形和这些不可见的内禀变量。热力学定律，特别是耗散必须始终为非负的要求，指导我们为这些内禀变量编写演化方程，从而为具有记忆的材料提供了一个严谨的框架。在其最普遍的形式中，对于像聚合物这样的材料，这会导向优美的数学结构，如遗传积分 (hereditary integrals)，其中今天的应力表示为对整个过去应变历史的积分，并由一个决定过去事件被遗忘速度的记忆核函数加权。
历史依赖最复杂的应用或许见于生命本身的机制中。一个活细胞是信号的漩涡，它必须对这些信号做出恰当的反应，记住重要事件，同时忽略短暂的噪音。它是如何实现这一点的？
考虑一个可以在“关”状态 和“开”状态 之间切换的信号蛋白。控制它的一种方式是通过调节分子的简单可逆结合。这就像门铃：只有当调节分子存在时，蛋白质才处于“开”状态。当信号消失时，系统迅速遗忘。这种机制快速而简单，但没有记忆。
生物学通常采用一种更强大的策略：共价修饰 (covalent modification)，例如磷酸化。在这里，一种酶 () 通过将磷酸基团连接到蛋白质上来主动“写入”记忆，这个过程消耗 ATP 形式的能量。第二种相对的酶 () 通过去除磷酸基团来“擦除”记忆。因为这是一个持续消耗能量的非平衡循环，它可以实现平衡系统无法完成的壮举。
其中一项壮举是超敏性 (ultrasensitivity)。当酶以接近其最大速度（即底物饱和）运行时，系统的状态对它们活性的平衡变得极其敏感。“写入”酶相对于“擦除”酶的活性发生微小变化，就能使系统几乎完全从“关”状态翻转到“开”状态，就像一个数字开关。
更深刻的是，这种能量驱动的循环可以创造动力学记忆 (kinetic memory)。一个激活“写入”酶的短暂信号脉冲可以迅速建立起大量的“开”状态 群体。信号消失后，这个激活状态会持续存在。它不会立即消失，而是以“擦除”酶清除它的速度衰减。如果擦除酶很慢，这个瞬时信号的记忆可以持续很长时间 [@problem__id:2523690]。
这种生物记忆的顶峰是双稳态 (bistability)，它能引起滞后现象。通过增加一个正反馈回路——例如，如果活化的蛋白质 帮助激活其自身的“写入”酶——系统可以创造出两个截然不同的稳定稳态。即使在完全相同的外部输入信号水平下，它也可以处于完全“开”或完全“关”的状态。它处于哪个状态取决于其历史——是来自高激活状态还是低激活状态。这是一种真实、稳健的长期记忆，是在发育过程中做出不可逆的细胞命运决定所需要的那种。这种记忆并非源于静态结构，而是源于物质的动态、能量流动。
从硅触发器到生命的演进，原理是相同的：过去并不总是序幕。有时，它被写入现在的肌理之中，塑造着未来。
在我们迄今的旅程中，我们探讨了一个系统的当前状态如何与其过去紧密相连的原理。这不仅是一个哲学概念，更是一个具有深远影响的具体物理现实。要真正领会历史依赖的力量和普遍性，我们必须走出抽象的范畴，去观察这一原理如何塑造我们周围的世界——从实验室工作台上柔软的材料，到生命体的内部运作，乃至我们数字时代的核心硅片。它是一条统一的线索，揭示了表面上似乎迥然不同的现象背后共同的逻辑。
让我们从一种几乎能亲手感受到的东西开始：智能材料。想象一种特殊的聚合物凝胶，它像海绵一样充满了水。当你给它加热时，它会突然坍缩，将水挤出。当你再把它冷却下来，它又会重新膨胀。但奇特之处在于：它在加热时坍缩的温度与在冷却时膨胀的温度并不相同。这种材料的响应描绘出一个环路，即所谓的滞后现象。这就是材料记忆在起作用。这仅仅是因为它响应缓慢吗？证据表明并非如此。实验显示，即使你以极慢的速度改变温度，这个记忆环路依然存在，而且其形状不依赖于样本的大小。这告诉我们，这种记忆并非简单的动力学延迟，而是材料本身的一种内在属性。它之所以产生，是因为在某个温度范围内，凝胶可以在两种稳定状态——膨胀或坍缩——之间做出选择，而它的决定取决于它达到该状态所经历的路径。这种行为是在分子层面发生的剧烈转变的宏观表征，此时系统正在一个具有多个谷的复杂能量景观中穿行。
这种集体记忆的概念并不仅限于无生命物质。以沙漠蝗虫为例。在稀疏的条件下，它是一种独居、无害的昆虫。但随着种群密度的增加，会发生戏剧性的转变：蝗虫变得群居，形成圣经中所记载的那种毁灭性的蝗群。这种转变不是瞬时的，更重要的是，它表现出滞后性。一个正在增长的种群会在比一个正在缩小的蝗群恢复到独居阶段的密度更高的密度下，触发向群居阶段的转变。蝗群记得它是在增长还是在衰退。要科学地证明这种特性，需要精心的实验，将真正的滞后与简单的延迟区分开来。研究者必须耐心地引导系统沿上升和下降两条路径行进，在每一步都让其达到平衡，以揭示这种集体行为潜在的双稳态本质。在这里，记忆是一种生态学和行为学现象，决定着整个种群的命运。
从自然界到我们自己设计的设备，同样的原理也随处可见。压电材料能够将机械应力转化为电压，反之亦然，是无数传感器、执行器和换能器的核心部件。在一个理想化的完美世界里，它们的响应是简单且互易的。但真实的材料有记忆。它们既表现出滞后性，也存在能量损失，这意味着它们对施加的场或应力的响应取决于其先前的极化历史。这种“不完美”的记忆打破了传感和驱动之间的简单互易性，使得高精度设备的设计变得复杂。为了驾驭这些材料，工程师们不能忽视它们的历史，而必须用复杂的模型来表征它，这些模型要考虑到能量耗散和材料响应的状态依赖性。
这种记忆的最终来源是什么？为了找到答案，我们必须从宏观世界深入到原子、基因和量子场的领域。
让我们看看有史以来最精密的仪器之一：高场核磁共振（NMR）磁体，它使用强大的超导线圈来对齐原子核。人们可能期望其磁场是完美恒定的。然而，操作人员观察到一种微小但不可阻挡的漂移，一种缓慢的衰减，它不遵循指数曲线，而是遵循对数曲线：。这是“磁通蠕变”的特征。磁场由持续的超导电流维持，但磁场本身以微小量化的电流涡旋晶格（称为磁通涡旋）的形式穿透超导体。这些涡旋被材料中的微观缺陷“钉扎”住，但在绝对零度以上的任何温度下，它们都可能通过热运动摆脱束缚并“蠕变”，导致微小的能量耗散和磁场的缓慢衰减。对数时间依赖性是系统在广阔的不同能垒景观上弛豫的普遍特征。同样的线圈也显示出典型的滞后现象：它们在零电流下的磁场取决于它们之前是被提升到正电流还是负电流。这也是由磁通涡旋的捕获所造成的记忆。在这里，系统的记忆是一种根本性的量子力学现象，对高精度科学产生了切实的影响。
生命本身的机制就建立在记忆之上。在胚胎发育过程中，一个细胞如何决定成为，比如说，一个心脏细胞，然后在生物体的整个生命周期中，历经无数次细胞分裂，都记住这个身份？答案就铭刻在其遗传电路的逻辑之中。决定细胞命运的关键基因通常参与反馈回路。一个经典的基序是“拨动开关”，其中两个主调节基因或基因群相互抑制。这种结构创造了两种稳定状态：一种是基因 高表达而 低表达（命运A），另一种是 低表达而 高表达（命运B）。细胞必须处于这两种状态之一。由于这种双稳态，系统自然表现出滞后性。从命运A切换到B需要比切换回来更强的推动力。这种稳健的、历史依赖的切换机制为细胞命运提供了可靠的记忆，确保心脏细胞始终是心脏细胞。生命的记忆是用动力系统和反馈控制的语言书写的。
即使是最简单的物理相互作用也能包含长久的记忆。想象一个重粒子在一维流体中穿过较小的粒子。它所经历的摩擦力不仅仅是与其当前速度成正比的简单阻力。当粒子移动时，它会产生一个扰动，即流体中的尾流。这个尾流需要时间来消散，并且可能从其他粒子上反射回来，最终在稍后的时间影响原始粒子的运动。流体，本质上，记住了粒子的过去轨迹。摩擦力中的这个“记忆核”衰减得非常缓慢，遵循幂律而非简单的指数律。这种长时程记忆是流体动力学关联的结果，反过来又决定了粒子自身的速度关联以一种特征性的幂律“长时尾”衰减。在这类系统中，过去的影响会逐渐减弱，但永远不会完全消失。
我们用RAM和硬盘等显式存储系统来构建计算机。然而，历史依赖的原理以更微妙、且常常是意想不到的方式在处理器内部浮现，其后果从性能波及到安全。
现代高性能CPU是一个预测引擎。为了避免等待程序中条件分支的结果，它会进行猜测并沿预测的路径推测性地执行指令。它如何猜测？它会参考过去。一个分支预测单元包含历史寄存器，用于记录最近分支的结果。通过识别这些历史中的模式，它能以惊人的准确性预测未来。一些预测器使用“局部历史”——单个分支过去的行为——而另一些则使用“全局历史”——所有最近分支结果的模式。后者功能更强大，因为它可以学习复杂的关联，即一个分支的行为取决于另一个分支的结果。CPU能够冲向未来的能力，正是建立在其对过去的记忆之上。
但这种聪明才智也有其阴暗面。当CPU猜错时，它必须清空流水线，丢弃所有错误预测路径上的结果。从程序的架构状态——寄存器和内存中的官方记录——的角度来看，就好像什么都没发生过。但确实发生了些事情。推测性地获取那些虚幻指令的行为留下了物理痕迹。具体来说，那些指令被加载到了处理器的缓存中——靠近核心的小型、快速的内存库。流水线清空并不会擦除缓存。这意味着推测执行的历史，一个短暂且“非真实”的计算路径，在机器的微架构状态中留下了持久的痕迹。攻击者随后可以编写一个程序，通过计时访问某些内存位置所需的时间来检测这些痕迹；快速的访问意味着数据在缓存中，从而暴露了推测的幽灵。这就是像 Spectre 这样的重大安全漏洞的基础。机器对从未正式发生过的事情的隐藏、内部记忆，可以被利用来泄露秘密信息。
既然历史如此关键，我们如何构建尊重它的模型，特别是对于我们缺乏完美控制方程的复杂系统？
一个强大的现代策略是数据驱动建模。我们不必从头开始为一种新合金或聚合物编写复杂的本构律，而是可以进行实验并建立其响应的数据库。为了捕捉路径依赖性，我们可以设计一种算法，它不仅试图匹配当前条件（如应变），而且还维持一个内部的“记忆变量”，一个对其最近应力状态的衰减记录。在每一步，模型都从其数据库中选择一个与当前输入及其自身内部记忆最一致的响应。这种方法使我们能够为那些行为过于复杂、无法用简单公式捕捉的材料创建预测模型。
在多尺度建模这一现代工程的基石中，追踪历史的需求变得至关重要。当模拟像飞机机翼这样的大型结构时，我们不可能对每一个晶粒进行建模。取而代之的是，我们使用一种“平方有限元”（FE）方法。在宏观模型的每个积分点上，我们都嵌入一个独立的、微小的材料微观结构模拟，即其代表性体积元（RVE）。该点的宏观变形被作为边界条件传递给RVE。RVE模拟计算出局部应力，然后将其传回宏观模型。至关重要的是，如果微观结构是路径依赖的——如果它会发生塑性变形或累积损伤——那么该RVE的状态就必须在宏观模拟的每一个时间步中被保存和更新。机翼上某一点所经历的加载历史，由其对应的虚拟微观结构完整地经历一遍，从而使模拟能够捕捉从微观尺度到宏观尺度上材料记忆的涌现。
从最小的量子涨落到最大的计算模拟，我们得到的教训是明确的。世界的状态不仅仅是现在的快照，而是一幅由过去的丝线编织而成的丰富织锦。理解记忆的各种机制——热力学的、遗传的、量子的和计算的——就是理解一个统一了科学与工程的基本原理，揭示了一个不断被自身历史优美地塑造的宇宙。