神经形态突发新闻:洛桑联邦理工学院 (EPFL) 的 Nathan Ronceray(左)和 Théo Emmerich 及其Nano流体装置。 (由 EPFL/Titouan Veuillet/CC BY SA 4.0 提供)
瑞士洛桑洛桑联邦理工学院的研究人员开发了一种忆阻器,它利用离子浓度和机械变形的变化来存储信息。 通过连接其中两个设备,研究人员创建了第一个基于Nano流体组件的逻辑电路。 新的忆阻器可能对神经形态计算有用,神经形态计算试图使用电子元件来模仿大脑。
在生物体中,神经结构依赖于穿过微小通道的离子流来调节连接一个神经元与另一个神经元的突触之间的信息传输。 这种离子方法不同于最好的人工神经系统,后者使用电子电流来模拟这些突触。 构建人工Nano流体神经网络可以提供与真实神经系统更接近的类比,并且也可以更加节能。
忆阻器是一种具有阻力(和电导)的电路元件,其阻力(和电导)取决于先前通过它的电流,这意味着该设备可以存储信息。 忆阻器于 1971 年首次提出,从那时起,研究人员在创造实用器件方面取得的成功有限。 忆阻器对于神经形态计算非常重要,因为它们可以模仿生物突触存储信息的能力。
在这项最新研究中,洛桑联邦理工学院的 Théo Emmerich、Aleksandra Radenovic 和他们的同事使用流动性泡罩制作了Nano流体忆阻器,当溶剂化离子电流流入或流出流动性泡罩时,流动性泡罩会膨胀或收缩,从而改变其电导。
标志性和离子性
2023 年,研究人员在两种调节Nano级通道离子传输的Nano流体设备中发现了记忆效应,从而向基于离子的神经形态计算迈出了重要一步。 当受到时变电压时,这些器件会表现出电流和电导的滞后变化。 这是忆阻器特有的“收缩”磁滞回线。 然而,这些系统的内存性能较弱,并且制造起来很脆弱。 此外,记忆效应的机制尚不清楚。
但这并没有阻止 EPFL 团队,正如 Emmerich 解释的那样:“我们想展示这个新兴领域如何与Nano电子学互补,并在未来带来现实世界的计算应用。”
为了制造他们的设备,洛桑联邦理工学院的研究人员在硅芯片顶部制造了一个 20 微米 x 20 微米的氮化硅膜,其中心有一个直径为 100 Nano的孔。 他们利用蒸发沉积技术,在该芯片上沉积了直径 10 Nano的钯岛,流体可以在其周围流动。 最后,他们添加了 50-150 nm 厚的石墨层,以创建通向孔隙的通道。
小水泡
将设备浸入电解质溶液中并施加正电压(0.4-1.0 V)后,研究人员观察到在氮化硅和中心孔上方的石墨之间形成了微米级气泡。 他们得出的结论是,离子穿过通道并聚集在中心,增加了那里的压力并导致水泡形成。 该水泡起到阻力“短路”的作用,增加了设备的电导,使其处于“开启”状态。 当施加相同幅度的负电压时,泡罩会收缩并且电导下跌,使设备处于“关闭”状态。
由于在电压切断后泡罩需要一段时间才能泄气,因此设备会记住其之前的状态。 “我们的光学观察显示了记忆的机械离子起源,”洛桑联邦理工学院的 Nathan Ronceray 说道。
对电压重置前后流经器件的电流的测量表明,该器件在 1-2 秒的时间尺度内以高达 60 的电导比运行,表明记忆效应比以前的设计大两个数量级。 艾默里奇补充道:“这是我们第一次在Nano流体装置中观察到如此强的忆阻行为,该装置也具有可扩展的制造工艺。”
为了创建逻辑电路,该团队将两个设备并联到可变电子阻力器。 两个设备通过该阻力进行通信,实现逻辑运算。 特别是,一个器件的开关是由另一个器件的电导状态驱动的。
逻辑沟通
艾默里奇说,到目前为止,Nano流体设备一直是相互独立操作和测量的。 他补充说,新设备“现在可以进行通信以执行逻辑计算。”
维也纳大学正在开发量子忆阻器的 Iris Agresti 表示,虽然这不是Nano流体忆阻器的首次实现,但新颖之处在于展示了如何连接多个设备来执行受控操作。 “这意味着其中一个设备的行为取决于另一个设备,”她说。
洛桑联邦理工学院的研究人员表示,下一步是构建Nano流体神经网络,其中忆阻单元与水通道连接在一起。 目标是创建可以执行简单计算任务(例如模式识别或矩阵乘法)的电路。 “我们梦想建造能够与电子计算机一起进行计算的电解计算机,”拉德诺维奇说。
这是一个长期且雄心勃勃的目标。 但与电子技术相比,这种方法具有两个关键优势。 首先,该系统将避免通常与电线相关的过热,因为它们将使用水作为电线和冷却剂。 其次,它们可以受益于使用不同的离子来执行与生物体相同的完整任务。 此外,Agresti 表示,具有Nano流体组件的人工神经网络有望降低能耗。
中国西北工业大学Nano流体专家谢彦波指出,忆阻器是神经形态计算机芯片的关键组件,其作用类似于CPU中的晶体管。 他说,EPFL 逻辑电路可能是“未来水计算机器的基本构建模块”。 西班牙卡斯特罗詹姆斯一世大学的应用物理学家胡安·比斯克特对此表示同意。 他说,这些设备“表现出强大的响应”,并将它们组合起来实现布尔逻辑运算“为基于全液态电路的神经形态系统铺平了道路。”
这项工作在《自然电子》杂志上有描述。
资讯来源:由a0资讯编译自THECOINREPUBLIC。版权归作者A0资讯所有,未经许可,不得转载