Nova računalniška paradigma, imenovana nevromorfno računalništvo, posnema bistvene sinaptične funkcije nevronov za simulacijo vedenja možganov. Nevronska plastičnost, povezana z učenjem in spominom, je ena od teh funkcij. Ta plastičnost omogoča nevronom, da shranijo informacije ali jih pozabijo, odvisno od dolžine in frekvence električnih impulzov, ki jih aktivirajo.
Med materiali, ki spominjajo na nevronske sinapse. V slednjem primeru uporaba električnega polja povzroči, da se ioni premaknejo znotraj materiala, kar spremeni magnetne značilnosti snovi.
Čeprav je modulacija magnetizma v teh materialih, ko je uporabljeno električno polje, dobro razumljena, je izziv nadzorovati razvoj magnetnih karakteristik, ko napetosti ni več (tj. razvoj, ki sledi dražljaju). Zaradi tega je težko posnemati nekatere procese, ki jih navdihujejo možgani, kot je ohranjanje učinkovitega učenja, tudi ko so možgani v stanju globokega spanca (tj. brez zunanje stimulacije).
V novi študiji so znanstveniki iz UAB Oddelek za fiziko Jordi Sort in Enric Menéndez sta v sodelovanju s sinhrotronom ALBA, katalonskim inštitutom za nanoznanost in nanotehnologijo (ICN2) in ICMAB predlagala nov način za nadzor razvoja magnetizacije v stimulirani in post-magnetizaciji. stimulativna stanja.
Razvili so magnetni material, ki lahko posnema način, kako možgani shranjujejo informacije. Zahvaljujoč temu materialu je mogoče posnemati sinapse nevronov in prvič posnemati učenje, ki se pojavi med globokim spanjem.
Znanstveniki so razvili material na osnovi tanke plasti kobaltovega mononitrida (CoN), kjer je mogoče z uporabo električnega polja nadzorovati kopičenje Nionov na meji med plastjo in tekočim elektrolitom, v katerega je plast vložena.
Raziskovalni profesor ICREA Jordi Sort in Serra Húnter Enric Menéndez, profesor Enric Menéndez, sta povedala, »Novi material deluje z gibanjem ionov, ki ga nadzira električna napetost, na način, ki je podoben našemu možganovin pri hitrostih, podobnih tistim, ki jih proizvajajo nevroni, reda velikosti milisekund. Razvili smo umetno sinapso, ki bo v prihodnosti lahko osnova nove računalniške paradigme, alternativne tisti, ki jo uporabljajo sedanji računalniki.«
Z uporabo napetostnih impulzov je bilo mogoče na nadzorovan način posnemati procese, kot so spomin, obdelavo informacij, iskanje informacij in prvič nadzorovano posodabljanje informacij brez priključene napetosti.
Debelina plasti kobaltovega mononitrida, ki nadzoruje, kako hitro se premikajo ioni, in frekvenca impulza sta bili spremenjeni, da bi dosegli ta nadzor.
Razporeditev materiala omogoča nadzor nad magnetoionskimi lastnostmi ne le ob uporabi napetosti, temveč tudi prvič, ko je napetost odstranjena. Ko zunanji napetostni dražljaj izgine, se lahko magnetizacija sistema zmanjša ali poveča, odvisno od debeline materiala in protokola, kako je bila napetost predhodno uporabljena.
Zaradi tega novega rezultata je zdaj mogoč širok nabor novih nevromorfnih računalniških funkcij. Zagotavlja novo logično funkcijo, ki na primer omogoča simulacijo nevronskega učenja po možganski stimulaciji, medtem ko globoko spimo. Druge vrste nevromorfnih materialov, ki so trenutno na trgu, ne morejo posnemati teh zmogljivosti.
Jordi Sort in Enric Menendez je dejal, »Ko je debelina plasti kobaltovega mononitrida pod 50 nanometrov in z napetostjo, uporabljeno s frekvenco, večjo od 100 ciklov na sekundo, smo uspeli emulirati dodatno logično funkcijo: ko je napetost uporabljena, je mogoče programirati napravo naučiti se ali pozabiti, brez potrebe po dodatnem vnosu energije, posnemanje sinaptičnih funkcij, ki potekajo v možganih med globokim spanjem, ko se lahko obdelava informacij nadaljuje brez uporabe kakršnega koli zunanjega signala.«
Referenca dnevnika:
- Zhengwei Tan, Julius de Rojas, Sofia Martins, Aitor Lopeandia, Alberto Quintana, Matteo Cialone, Javier Herrero-Martín, Johan Meersschaut, André Vantomme, José L. Costa-Krämer, Jordi Sort, Enric Menéndez. Frekvenčno odvisna stimulirana in poststimulirana napetostna kontrola magnetizma v nitridih prehodnih kovin: proti magnetoioniki, ki jo navdihuje možgane. Materialna obzorja, 2022. DOI: 10.1039/D2MH01087A
