Blog

Jun 06, 2023

Sinapsi artificiale ad alta sensibilità e ampio intervallo di risposta basata su poliimmide con punti quantici di grafene incorporati

Scientific Reports volume 13,

Rapporti scientifici volume 13, numero articolo: 8194 (2023) Citare questo articolo

354 accessi

1 Altmetrico

Dettagli sulle metriche

Le sinapsi elettroniche artificiali sono comunemente utilizzate per simulare le sinapsi biologiche per realizzare varie funzioni di apprendimento, considerate una delle tecnologie chiave nella prossima generazione di computazione neurologica. Questo lavoro ha utilizzato una semplice tecnica di rivestimento a rotazione per fabbricare la struttura memristor di poliimmide (PI):punti quantici di grafene (GQD). Di conseguenza, i dispositivi mostrano una corrente di soppressione postsinaptica notevolmente stabile con decadimento esponenziale nel tempo, come interpretato nel fenomeno della plasticità dipendente dal tempo di picco. Inoltre, con l'aumento nel tempo del segnale elettrico applicato, la conduttanza della sinapsi elettrica cambia gradualmente, e anche la sinapsi elettronica mostra una plasticità dipendente dall'ampiezza e dalla frequenza dell'impulso applicato. In particolare, i dispositivi con la struttura di Ag/PI:GQDs/ITO preparati in questo studio possono produrre una risposta stabile alla stimolazione di segnali elettrici tra millivolt e volt, mostrando non solo un'elevata sensibilità ma anche un'ampia gamma di "sensazioni" , che fa sì che le sinapsi elettroniche facciano un passo avanti per emulare le sinapsi biologiche. Nel frattempo vengono studiati ed esposti in dettaglio anche i meccanismi di conduzione elettronica del dispositivo. I risultati di questo lavoro gettano le basi per lo sviluppo di modelli neuromorfici simili al cervello nell’intelligenza artificiale.

Un memristor è considerato il quarto elemento circuitale di base dopo un resistore, un induttore e un condensatore. Nel 1971, Chua1 propose per primo il concetto di memristor basato sul principio di simmetria, poi Strukov2 et al. lo ha confermato attraverso esperimenti nel 2008. La ricerca sui memristor fornisce un percorso fattibile per lo sviluppo di una nuova architettura informatica che integri l'archiviazione e l'elaborazione delle informazioni, che sfonda il collo di bottiglia della tradizionale architettura di von Neumann. I memristor presentano numerosi vantaggi, tra cui non volatilità, alta velocità, basso consumo energetico, struttura semplice e facile integrazione3,4. Come tale, ha mostrato ampie prospettive di applicazione in una nuova generazione di memoria non volatile ad alta densità, intelligenza artificiale neuromorfica, operazioni logiche ad alta velocità e comunicazioni sicure5,6,7. Ad oggi, le funzioni delle sinapsi biologiche che sono simulati dai memristor comprendono la plasticità dipendente dalla tempistica dei picchi (STDP), il potenziamento/depressione a lungo termine (LTP/LTD), il potenziamento/depressione a breve termine (STP/STD) e la facilitazione dell'impulso accoppiato (PPF). I memristor che possono simulare queste funzioni sono spesso chiamati sinapsi elettroniche (e-sinapsi). Si prevede che le sinapsi elettroniche imitino le sinapsi biologiche in modo completo, il che è fondamentale per realizzare l'elaborazione delle informazioni neuromorfiche simile al cervello e l'elaborazione dell'intelligenza artificiale (AI) a livello dei componenti8,9.

Anche se sono stati riportati alcuni risultati promettenti, tuttavia, l'attuale studio sui memristor ha riscontrato ancora alcuni problemi, tipicamente instabilità del dispositivo, distribuzione discreta dei parametri e resistenza meccanica e durata insufficienti per i dispositivi flessibili indossabili, con conseguente divario rispetto agli standard di utilizzo commerciale10,11. Di solito, il processo di preparazione adottato per migliorare le prestazioni del dispositivo aumenta la complessità del processo e non è adatto alla produzione in grandi volumi. Vale anche la pena notare che l'elevata sensibilità e l'ampio campo recettivo delle sinapsi biologiche ai microstimoli esterni consentono alle sinapsi biologiche di accelerare l'elaborazione delle informazioni più dei computer in termini di sicurezza individuale, elaborazione delle informazioni e riduzione del consumo energetico. Tuttavia, le e-sinapsi riportate nella letteratura precedente possono rispondere solo a una gamma limitata di segnali elettrici, in particolare quelli che possono reagire alla microstimolazione sono raramente riportati12. Pertanto, per le applicazioni di calcolo neurale e intelligenza artificiale, è diventato preferibile utilizzare materiali con elevate proprietà meccaniche e stabilità chimica per ottenere memristor flessibili con prestazioni stabili, elevata sensibilità e un intervallo di risposta completo attraverso processi semplici e facili da utilizzare13,14 .