一种称为神经形态计算的新型计算范式模仿神经元的基本突触功能来模拟大脑行为。 神经元可塑性与学习和记忆相关，是这些功能之一。 这种可塑性允许神经元根据激活它们的电脉冲的长度和频率来存储或忘记信息。
忆阻材料、铁电体、相变记忆材料、拓扑绝缘体以及最近的磁离子材料在类似的材料中脱颖而出 神经突触. 在后者中，施加电场会导致离子在材料内发生位移，从而改变物质的磁特性。
尽管在施加电场时这些材料中的磁性调制已广为人知，但控制停止电压时磁特性的演变（即刺激后的演变）仍具有挑战性。 这使得难以复制一些受大脑启发的过程，例如即使大脑处于深度睡眠状态（即没有外部刺激）也能保持有效学习。
在一项新研究中，来自 UAB 物理系 Jordi Sort 和 Enric Menéndez 与 ALBA 同步加速器、加泰罗尼亚纳米科学和纳米技术研究所 (ICN2) 以及 ICMAB 合作，提出了一种新的方法来控制受激和后磁化的磁化演变刺激状态。
他们开发了一种能够模仿大脑存储信息方式的磁性材料。 多亏了这种材料，才有可能模仿神经元的突触，并首次模仿 在深度睡眠中发生的学习.
科学家开发了一种基于单氮化钴 (CoN) 薄层的材料，通过施加电场，可以控制 N 离子在该层与放置该层的液体电解质之间的界面处的积累。
ICREA 研究教授 Jordi Sort 和 Serra Húnter 终身教授 Enric Menéndez 说， “这种新材料与电压控制的离子运动一起工作，其方式类似于我们的 脑，并且以与神经元中产生的速度相似的速度，大约为毫秒。 我们开发了一种人工突触，未来可能成为新计算范式的基础，替代当前计算机使用的范式。”
通过施加电压脉冲，可以以受控的方式模拟内存等过程， 信息处理，信息检索，以及第一次在没有施加电压的情况下控制信息更新。
控制离子移动速度的一氮化钴层厚度和脉冲频率被改变以实现这种控制。
材料的排列不仅可以在施加电压时控制磁离子特性，而且还可以在第一次移除电压时控制磁离子特性。 一旦外部电压刺激消失，系统的磁化强度就会降低或增加，具体取决于材料的厚度和先前施加电压的方式。
由于这一新颖的结果，现在可以实现范围广泛的新神经形态计算功能。 它提供了一种新颖的逻辑功能，例如，可以在我们深度睡眠时模拟大脑刺激后的神经元学习。 目前市场上的其他种类的神经形态材料无法复制这些功能。
Jordi Sort 和 Enric Menendez 说过, “当一氮化钴层的厚度低于 50 纳米，并且施加的电压频率大于每秒 100 次时，我们设法模拟了一个额外的逻辑功能：一旦施加电压，就可以对器件进行编程学习或忘记，不需要任何额外的能量输入，模仿大脑在深度睡眠期间发生的突触功能，此时信息处理可以在不施加任何外部信号的情况下继续进行。”
杂志参考：
- 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。 过渡金属氮化物中磁性的频率依赖性受激和受激后电压控制：走向脑启发磁离子学。 材料视界，2022年。DOI： 10.1039/D2MH01087A
