Programmeerbare 2D-nanochannels bereiken hersenachtig geheugen

Onderzoekers van het National Graphene Institute van de Universiteit van Manchester hebben een nieuwe klasse van programmeerbare nanofluïdische memristors ontwikkeld die de geheugenfuncties van het menselijk brein nabootsen, waardoor de weg wordt vrijgemaakt voor neuromorfe computing van de volgende generatie.

In een studie gepubliceerd in NatuurcommunicatieWetenschappers van het National Graphene Institute, Photon Science Institute en het Department of Physics and Astronomy hebben aangetoond hoe tweedimensionale (2D) nanochannels kunnen worden afgestemd om alle vier theoretisch voorspelde soorten memristief gedrag te vertonen, iets dat nog nooit eerder in een enkel apparaat is bereikt.

Deze studie onthult niet alleen nieuwe inzichten in ionische geheugenmechanismen, maar heeft ook het potentieel om opkomende toepassingen mogelijk te maken in ionische logica met een laag vermogen, neuromorfe componenten en adaptieve chemische detectie.

Memristors, of geheugenweerstanden, zijn componenten die hun weerstand aanpassen op basis van elektrische activiteit in het verleden, waardoor een geheugen daarvan effectief wordt opgeslagen. Terwijl de meeste bestaande memristors vaste toestandsapparaten zijn die afhankelijk zijn van elektronenbeweging, gebruikte het team, geleid door Prof Radha Boya, vastgestelde vloeibare elektrolyten in dunne nanochannels gemaakt van 2D-materialen zoals MOS₂ en HBN. Deze nanofluïdische benadering zorgt voor ultra-lage energie-operatie en het vermogen om biologische leerprocessen na te streven.

Vier geheugenmodi, één apparaat

Uit de studie blijkt dat door het afstemmen van experimentele parameters zoals elektrolytensamenstelling, pH, spanningsfrequentie en kanaalgeometrie, hetzelfde nanofluïdische apparaat kan schakelen tussen vier verschillende geheugenlusstijlen, twee “kruising” en twee “niet-kruisende” types. Deze lusstijlen komen overeen met verschillende geheugenmechanismen, waaronder ion-ion interactie, ionenoppervlak ladingadsorptie/desorptie, oppervlakteladinginversie en ionenconcentratiepolarisatie.

“Dit is de eerste keer dat alle vier memristortypen in één apparaat zijn waargenomen,” zei professor Radha Boya, senior auteur van de studie. “Het toont de opmerkelijke afwijzing van nanofluïdische systemen en hun potentieel om complex hersenachtig gedrag te repliceren.”

De synapsen van de hersenen nabootsen

Naast het demonstreren van meerdere geheugenmodi, vertonen de apparaten ook zowel korte als langetermijngeheugen, verwant aan biologische synapsen. Deze dynamische controle over geheugenduur is cruciaal voor het ontwikkelen van neuromorfe systemen die zich kunnen aanpassen en leren van hun omgeving.

De apparaten kunnen bijvoorbeeld informatie in de loop van de tijd “vergeten” of deze dagenlang behouden, afhankelijk van de toegepaste spanning- en elektrolytomstandigheden, bijvoorbeeld hoe je snel zou kunnen vergeten waar ze hun sleutels hebben achtergelaten, maar toch hun thuisadres voor het leven onthouden.

Stel je voor dat je in een café werkt. In het begin is het gekletter van bekers en gebabbel merkbaar, maar al snel filtert je hersenen het uit zodat je je kunt concentreren. Dit alledaagse fenomeen wordt sensorische aanpassing genoemd en synaptische depressie op korte termijn is een van de cellulaire mechanismen die daaraan bijdragen.

Het team bootste synaptische depressie op korte termijn na, een proces waarbij opeenvolgende neurale signalen de sterkte van een respons verminderen, tenzij voldoende tijd is toegestaan voor herstel. In neuronen wordt dit veroorzaakt door tijdelijke uitputting van neurotransmitter -blaasjes. In de nanochannels ontstaat een soortgelijk effect als gevolg van de ionische interacties, wat tijd vereist om terug te ontspannen naar de initiële toestand.

Een minimaal model en een grote sprong

Om het waargenomen gedrag te verklaren, ontwikkelde het team een minimaal theoretisch model dat ion -ion interacties, oppervlakte -adsorptie en kanaalingangeffecten omvat. Het model reproduceert met succes alle vier memristieve lustypen en biedt een uniform framework voor het begrijpen en ontwerpen van toekomstige nanofluïdische geheugensystemen.

“Dit werk vertegenwoordigt een grote sprong in ons begrip van het ionische geheugen”, zei Dr. Abdulghani Ismail, hoofdauteur van de studie. “Het opent spannende mogelijkheden voor low-power, adaptieve computersystemen die meer werken op het menselijk brein.”

Door de unieke eigenschappen van 2D-materialen en vloeistof iontransport te benutten, stellen de onderzoekers een nieuwe klasse van herconfigureerbare, energiezuinige computerapparatuur voor die in staat zijn om realtime leren en besluitvorming te maken, met brede implicaties voor kunstmatige intelligentie, robotica en bio-elektronica.