Исследователи из Национального института графена при Манчестерском университете разработали новый класс программируемых наножидкостных мемристоров, которые имитируют функции памяти человеческого мозга. Это открывает путь для создания нейроморфных вычислительных систем нового поколения.
В исследовании, опубликованном в журнале Nature Communications, учёные из Национального института графена, Института фотонной науки и факультета физики и астрономии продемонстрировали, как двумерные (2D) наноканалы можно настроить так, чтобы они проявляли все четыре теоретически предсказанных типа мемристивного поведения. Этого никогда раньше не удавалось достичь в одном устройстве.
Это исследование не только раскрывает новые механизмы ионной памяти, но и потенциально может привести к созданию новых приложений в области низкоэнергетической ионной логики, нейроморфных компонентов и адаптивных химических датчиков.
Мемристоры, или резисторы с памятью, — это компоненты, которые регулируют своё сопротивление в зависимости от прошлой электрической активности, эффективно сохраняя память о ней. В то время как большинство существующих мемристоров — это твердотельные устройства, основанные на движении электронов, команда под руководством профессора Радхи Боя использовала ограниченные жидкие электролиты в тонких наноканалах, изготовленных из двумерных материалов, таких как MoS₂ и hBN. Этот наножидкостный подход обеспечивает сверхнизкоэнергетическую работу и возможность имитации биологических процессов обучения.
В исследовании показано, что путём настройки экспериментальных параметров, таких как состав электролита, pH, частота напряжения и геометрия канала, одно и то же наножидкостное устройство может переключаться между четырьмя различными стилями мемристивных циклов: двумя «пересекающимися» и двумя «непересекающимися» типами. Эти стили циклов соответствуют различным механизмам памяти, включая ионно-ионное взаимодействие, адсорбцию/десорбцию поверхностного заряда, инверсию поверхностного заряда и поляризацию ионной концентрации.
«Впервые все четыре типа мемристоров были обнаружены в одном устройстве», — сказал профессор Радха Боя, старший автор исследования. «Это демонстрирует замечательную настраиваемость наножидкостных систем и их потенциал для воспроизведения сложного поведения, подобного мозгу».
Помимо демонстрации нескольких режимов памяти, устройства также демонстрируют кратковременную и долговременную память, подобно биологическим синапсам. Эта динамическая возможность контроля продолжительности памяти имеет решающее значение для разработки нейроморфных систем, которые могут адаптироваться и учиться на основе окружающей среды.
Например, устройства могут «забывать» информацию с течением времени или сохранять её в течение нескольких дней, в зависимости от приложенного напряжения и условий электролита, например, подобно тому, как человек может быстро забыть, где он оставил ключи, но помнить свой домашний адрес всю жизнь.
Чтобы объяснить наблюдаемое поведение, команда разработала минимальную теоретическую модель, которая включает в себя ионно-ионные взаимодействия, поверхностную адсорбцию и эффекты входа в канал. Модель успешно воспроизводит все четыре типа мемристивных циклов, предлагая единую основу для понимания и проектирования будущих наножидкостных систем памяти.
«Эта работа представляет собой значительный прорыв в нашем понимании ионной памяти», — сказал доктор Абдулгани Исмаил, ведущий автор исследования. «Она открывает захватывающие возможности для создания низкоэнергетических адаптивных вычислительных систем, работающих больше похоже на человеческий мозг».
Используя уникальные свойства двумерных материалов и жидкостный ионный транспорт, исследователи представляют новый класс реконфигурируемых, энергоэффективных вычислительных устройств, способных к обучению и принятию решений в реальном времени, что имеет широкие перспективы для искусственного интеллекта, робототехники и биоэлектроники.
Предоставлено Университетом Манчестера.