یک الگوی محاسباتی جدید به نام محاسبات نورومورفیک از عملکردهای سیناپسی ضروری نورون ها برای شبیه سازی رفتار مغز تقلید می کند. پلاستیسیته عصبی، مرتبط با یادگیری و حافظه، یکی از این کارکردها است. این انعطاف پذیری به نورون ها اجازه می دهد تا بسته به طول و فرکانس تکانه های الکتریکی که آنها را فعال می کنند، اطلاعات را ذخیره کرده یا فراموش کنند.
مواد مقاومتی، فروالکتریک، مواد حافظه تغییر فاز، عایق‌های توپولوژیکی، و اخیراً، مواد مغناطیسی یونی در میان مواد مشابه برجسته هستند. سیناپس های عصبی. در حالت دوم، اعمال میدان الکتریکی باعث جابجایی یون‌ها در ماده می‌شود و ویژگی‌های مغناطیسی ماده را تغییر می‌دهد.
اگرچه مدولاسیون مغناطیس در این مواد در هنگام اعمال میدان الکتریکی به خوبی درک شده است، کنترل تکامل ویژگی های مغناطیسی هنگامی که ولتاژ متوقف می شود (یعنی تکامل پس از محرک) چالش برانگیز است. این امر تکرار برخی از فرآیندهای الهام گرفته از مغز را دشوار می کند، مانند حفظ مؤثر یادگیری حتی زمانی که مغز در حالت خواب عمیق است (یعنی بدون تحریک خارجی).
در یک مطالعه جدید، دانشمندان از UAB دپارتمان فیزیک جوردی سورت و انریک منندز، با همکاری ALBA Synchrotron، مؤسسه علوم و نانوتکنولوژی کاتالان (ICN2) و ICMAB، روش جدیدی را برای کنترل تکامل مغناطیسی در محرک و پس از آن ارائه کردند. حالت های محرک
آنها یک ماده مغناطیسی ساخته اند که می تواند روشی را که مغز اطلاعات را ذخیره می کند تقلید کند. به لطف این ماده، می توان سیناپس های نورون ها را تقلید کرد و برای اولین بار از یادگیری که در طول خواب عمیق رخ می دهد.
دانشمندان این ماده را بر اساس یک لایه نازک از مونو نیترید کبالت (CoN) توسعه دادند که در آن، با اعمال میدان الکتریکی، تجمع یون های N در سطح مشترک بین لایه و الکترولیت مایعی که لایه در آن قرار گرفته است، قابل کنترل است.
پروفسور پژوهشی ICREA جوردی سورت و سرا هانتر پروفسور انریک منندز گفتند: این ماده جدید با حرکت یون‌هایی که توسط ولتاژ الکتریکی کنترل می‌شوند، به روشی مشابه با ما کار می‌کند. مغزو با سرعت هایی مشابه با سرعت تولید شده در نورون ها، در حد میلی ثانیه. ما یک سیناپس مصنوعی ایجاد کرده‌ایم که در آینده ممکن است مبنای یک الگوی محاسباتی جدید باشد، جایگزینی برای نمونه‌ای که توسط رایانه‌های فعلی استفاده می‌شود.»
با اعمال پالس های ولتاژ، می توان به صورت کنترل شده، فرآیندهایی مانند حافظه، پردازش اطلاعات، بازیابی اطلاعات و برای اولین بار به روز رسانی کنترل شده اطلاعات بدون ولتاژ اعمال شده.
ضخامت لایه مونونیترید کبالت که سرعت حرکت یون ها را کنترل می کند و فرکانس پالس برای انجام این کنترل تغییر کرد.
چینش مواد اجازه می دهد تا خواص مگنتویونی نه تنها در هنگام اعمال ولتاژ، بلکه برای اولین بار، زمانی که ولتاژ حذف می شود، کنترل شود. هنگامی که محرک ولتاژ خارجی ناپدید می شود، مغناطیسی سیستم می تواند کاهش یا افزایش یابد، بسته به ضخامت ماده و پروتکل نحوه اعمال ولتاژ قبلاً.
طیف وسیعی از توابع محاسباتی نورومورفیک جدید به دلیل این نتیجه جدید اکنون امکان پذیر است. این یک تابع منطقی جدید را فراهم می کند که، برای مثال، شبیه سازی یادگیری عصبی را به دنبال تحریک مغز در حالی که عمیقاً می خوابیم، ممکن می سازد. انواع دیگر مواد نورومورفیک در حال حاضر در بازار نمی توانند این قابلیت ها را تکرار کنند.
جوردی سورت و انریک منندز گفت:, هنگامی که ضخامت لایه مونو نیترید کبالت زیر 50 نانومتر است و با ولتاژ اعمال شده در فرکانس بیش از 100 سیکل در ثانیه، ما موفق شده ایم یک تابع منطقی اضافی را شبیه سازی کنیم: پس از اعمال ولتاژ، دستگاه می تواند برنامه ریزی شود. یادگیری یا فراموش کردن، بدون نیاز به هیچ ورودی انرژی اضافی، با تقلید از عملکردهای سیناپسی که در مغز در طول خواب عمیق انجام می شود، زمانی که پردازش اطلاعات می تواند بدون اعمال هیچ سیگنال خارجی ادامه یابد.
مرجع مجله:
- ژنگوی تان، ژولیوس د روخاس، سوفیا مارتینز، آیتور لوپندیا، آلبرتو کوئینتانا، ماتئو سیالونه، خاویر هررو-مارتین، یوهان مرشات، آندره وانتوم، خوزه ال. کوستا-کرمر، جوردی سورت، انریک منندز. کنترل ولتاژ تحریک شده و پس از تحریک وابسته به فرکانس مغناطیس در نیتریدهای فلزات واسطه: به سمت مغناطیس یونیک های الهام گرفته از مغز افق مواد، 2022. DOI: 10.1039/D2MH01087A
