Представьте будущее, в котором компьютеры обрабатывают информацию не потоками электронов, а гидратированными ионами, текущими по солёной воде. Такая система имитирует процесс вычислений в мозге. Это новое направление, известное как ионтроника (от ионов и электроники), быстро развивается, поскольку исследователи создают нейроморфные вычислительные устройства, вдохновлённые нервными системами животных и работающие на основе электролитных растворов на наноуровне [1–3].
С тех пор как Леон Чуа в 1970-х годах представил резистивно-ёмкостный элемент памяти, или «мемристор» [4], эти компоненты считаются революционными строительными блоками для нейроморфных вычислений. Электрическое сопротивление мемристора зависит от тока, который протекал через него до отключения питания, что позволяет хранить информацию.
В отличие от твердотельных мемристоров, у мемристоров на основе жидкости есть проблемы с масштабируемостью и интеграцией в схему. В исследовании, проведённом Патрисио Рамиресом из Университета Валенсии в Испании и его коллегами, представлен предварительный шаг к созданию масштабируемой версии [5].
Исследователи продемонстрировали, что наножидкостные мемристоры, основанные на мембранах с коническими нанопорами, можно организовать в функциональные схемы. Соединяя мембраны последовательно и параллельно, они показали, как можно манипулировать синаптическим весом (проводимостью) для представления свойств, подобных свойствам мозга, которые могут быть использованы в будущих логических и нейроморфных системах на основе жидкости [6].
Нейронные коммуникации в биологических системах
В биологических системах нейроны обмениваются информацией с помощью всплесков напряжения, которые запускают ионные потоки через каналы в клеточной мембране. Этот процесс вдохновил на создание предыдущих конструкций искусственных нанопор, которые воспроизводят некоторые аспекты биологического ионного транспорта.
Конические нанопоры обеспечивают управляемый напряжением ионный транспорт, который преимущественно происходит от узкого «кончика» к более широкому «основанию», создавая эффект одностороннего клапана, известный как ионное выпрямление. Эти конические поры по сути действуют как наножидкостные диоды [7].
Экспериментальные и теоретические исследования
Предыдущие экспериментальные исследования [8] и недавняя теоретическая работа [9] показали, что вольт-амперные характеристики в таких системах могут демонстрировать гистерезис — критическую особенность мемристивного поведения. Этот гистерезис — зависимость проводимости от истории ионного тока — позволяет реализовать синаптические функции, такие как потенциация и депрессия, элементы пластичности, жизненно важные для вычислений, подобных работе мозга.
Однако жидкостные схемы ещё не были продемонстрированы. Рамирес и его коллеги решают эту задачу с помощью концептуально простой, но эффективной идеи: используя идентичные мембраны, соединённые по-разному, в качестве строительных блоков для ионных схем.
Изготовление мембран
Мембраны были изготовлены с плотным массивом конических нанопор с помощью ионно-трекового травления в Центре Гельмгольца по исследованиям тяжёлых ионов в Германии. Исследователи поместили мембрану в электрохимическую ячейку между двумя электродами для измерения её проводимости. Они варьировали напряжение в ячейке — и скорость, с которой напряжение изменялось — и измеряли результирующий ток. Вольт-амперная характеристика развила чёткие петли гистерезиса, что означает, что проводимость мембраны зависела не только от мгновенного напряжения, но и от истории приложенного смещения — признак памяти.
Исследователи также изучили, как эти мембраны ведут себя при соединении в различных конфигурациях. Сначала они соединили две мембраны последовательно, расположив их в одном направлении (поры выровнены от кончика к основанию). При воздействии последовательности всплесков напряжения система сохранила первоначальный гистерезис и продемонстрировала постепенное увеличение проводимости, известное в неврологии как потенциация.
Затем они перевернули одну из мембран, изменив ориентацию пор (поры выровнены от кончика к кончику). На этот раз при воздействии всплесков напряжения выпрямление исчезло — мембрана перестала действовать как односторонний клапан для ионного потока.
В параллельной конфигурации всё становится ещё более интригующим. Когда мембраны были расположены в противоположных направлениях (антипараллельная установка), вольт-амперная характеристика развила редкий тройной гистерезис. Здесь проводимость мембраны увеличивалась при почти нулевом напряжении, но становилась более индуктивной при напряжениях значительно выше или ниже нуля.
Физическое происхождение индукции
Физическое происхождение этой индукции заключается в накоплении и истощении ионов внутри конических нанопор. Приложенное напряжение заставляет ионы концентрироваться на кончике, создавая неравновесное состояние. Когда напряжение снимается, энергия энтропии заставляет эти ионы снова диффундировать из нанопор, создавая задержанный, зависящий от истории вольт-амперный отклик.
При истощении поверхностные заряды притягивают ионы обратно в пору, создавая аналогичное запаздывание. Эти динамические процессы, восстанавливающие энергию, имитируют индуктивность в электрических цепях. Ионная индукция по своей природе нестабильна: как только внешнее смещение снято, ионы в конечном итоге релаксируют до равновесия.
Хотя эти параллельные нанопористые мембраны воспроизводят некоторые из динамических процессов, лежащих в основе биологической обработки информации, жидкостные схемы в мозге высоко интегрированы в трёх измерениях. Репликация этой сложности с помощью масштабируемых и надёжных жидкостных нейроморфных систем остаётся долгосрочной задачей.
Тем не менее, Рамирес и его коллеги предлагают убедительное доказательство принципа: основные функциональные возможности схемы — выпрямление, память и модуляция сигнала — могут быть достигнуты с помощью простых мембранных конструкций. Однако остаются ключевые препятствия, включая масштабируемость устройств, интеграцию и эффективное взаимодействие с электронными компонентами, а также обеспечение долгосрочной выносливости и воспроизводимости мемристивного поведения.
Тем не менее, эта работа знаменует собой значимый шаг вперёд, предполагая, что жидкостные системы могут постепенно превратиться в практические платформы для нейроморфных вычислений.