中科院研究生院(中科院研究生院官网)-考研培训机构

中科院研究生院，中科院研究生院官网

聚电解质受限流体忆阻器

神经形态计算旨在模仿人脑的高能效的信息处理。大脑的数十亿个神经元通过数万亿个突触相连，它优化了信息流，避免了在处理器和存储器之间不断穿梭的昂贵的数据，这是经典计算机架构的一个标志。为了实现类似大脑的处理，需要一种新的设备架构，摒弃固化的0和1的计算语言。如果设备使用在液体中移动的离子来携带和存储信息会怎样？这样的纳米流体计算有望降低能耗，具有硬件级的可塑性，并有多种信息载体。

在最新一期的《Science》中，中科院化学所毛兰群研究员课题组提出一种基于受限聚电解质-离子相互作用的纳流体离子忆阻器。无独有偶，巴黎高等师范学院L. Bocquet.教授课题组创造了由纳米厚的二维狭缝组成的充满盐溶液的纳米流体装置。这两项研究都集中在神经形态工程的不同方面，但都显示了对水中离子在纳米级通道上的精确控制。这两项研究描述了在接近生物系统的电压和功耗的情况下运行的纳米流体突触装置，打开了神经形态离子计算的可能性的大门。

聚电解质受限流体忆阻器的神经形态功能

具有类脑功能的人工系统的发展正在迅速扩大，因为它们在神经形态计算，生物启发的传感运动实现、脑机接口和神经义肢中的应用前景广阔。到目前为止，具有不同模式的神经形态功能已经实现，并以各种方式纳入应用，主要是使用依赖历史的固态电阻开关器件，包括两端的记忆体和三端的晶体管。然而，迄今为止实现的大多数神经形态功能都是基于使用固态器件对电脉冲模式的模拟。对生物突触的模拟–特别是在基于溶液的情况下对化学突触的模拟–对这些固态设备来说仍然是非常具有挑战性的。

中科院化学所毛兰群研究员课题组报告了一种聚电解质受限流体忆阻器（PFM），它可以成功地完成各种神经形态的功能，不仅可以模仿电脉冲模式，还可以模仿化学-电信号转导。受生物离子通道的启发，作者设计并制造了一个聚咪唑刷（PimB）封闭的流体通道（图1B），该通道通过空间限制和分子识别来控制离子流量，从而发挥天然忆阻器的功能。选择聚咪唑是因为它的高电荷密度、丰富的化学成分和识别不同阴离子的通用能力。通常，PimBs是通过表面引发的原子转移自由基聚合生长在玻璃微管或纳米管的内壁上。通过这种方式，液体被PimBs所限制，在电场或化学品的刺激下，PimBs内外的阴离子浓度平衡和电荷平衡的建立将是滞后的，导致历史依赖的离子记忆。相关成果以“Neuromorphic functions with a polyelectrolyte-confined fluidic memristor”为题发表在最新一期《Science》上。

正如作者所观察到的，不同阴离子与电刷咪唑单元相互作用强度的变化导致I-V曲线滞后和器件相应的记忆时间尺度发生实质性变化。作者还观察到，聚电解质纳流体忆阻器可以模拟发生在神经元突触连接的化学信号转导。将离子刺激（高氯酸盐阴离子）反复传递到器件中会触发一系列电流尖峰。这些例子使我们更接近于实现具有多个载波的信息处理，这在固态设备中几乎是不可能的。

尽管所介绍的PFM具有一系列优势如神经形态功能的多样性，多个离子载体的调节和共存的可能性以及与生物系统的便捷接口。但在实现PFM更广泛的应用的道路上仍然存在巨大挑战。例如，实现长期塑性函数是基于流体的系统的一个关键目标，其中引入更强（甚至不可逆）的界面识别相互作用（例如，对底物的适配体）可能有助于延长离子记忆。用于内存计算的流体忆阻器的放大是另一个挑战，多孔微或纳流体阵列可能提供解决方案。