Struktur och material för de transparenta och flexibla synapserna. a) Illustration av identiska biosynaps- och artificiella synapsstrukturer. De två elektroderna och det funktionella lagret motsvarar pre-synaps, post-synaps, och synaptisk klyfta, respektive. b) Schematisk beskrivning av den flexibla och transparenta artificiella synaptiska enheten ITO/PEDOT:PSS/ITO. c) Topp- och d) SEM-bilder i tvärsnitt av PEDOT:PSS-filmen på Si-substratet. Filmtjockleken var 42,18 nm. e) Schematisk struktur och f) Ramanspektra för PEDOT:PSS. g) Transmittansspektrum för PET/ITO, PET/ITO/PEDOT:PSS, och PET/ITO/PEDOT:PSS/ITO-strukturer. h) AFM-bild (2×2 μm2) av PEDOT:PSS-filmen på PET/ITO-substratet. Genomsnittlig grovhet (Rq) var 1,99 nm. Kredit:Wang et al.
De flesta artificiell intelligens (AI)-system försöker replikera biologiska mekanismer och beteenden som observeras i naturen. Ett nyckelexempel på detta är elektroniska synapser (e-synapser), som försöker reproducera förbindelser mellan nervceller som möjliggör överföring av elektriska eller kemiska signaler till målceller i människokroppen, känd som synapser.
Under de senaste åren, forskare har simulerat mångsidiga synaptiska funktioner med enstaka fysiska enheter. Dessa enheter kan snart möjliggöra avancerad inlärnings- och minneskapacitet i maskiner, efterlikna den mänskliga hjärnans funktioner.
Nyligen genomförda studier har föreslagit flexibel, transparenta och till och med biokompatibla elektroniska enheter för mönsterigenkänning, som kan bana väg mot en ny generation bärbara och implanterbara synaptiska system. Dessa "osynliga" e-synapser, dock, kommer med en anmärkningsvärd nackdel:de löser sig lätt i vatten eller i organiska lösningar, vilket är långt ifrån idealiskt för bärbara applikationer.
För att övervinna denna begränsning, forskare vid Fudan University i Shanghai har satt sig för att utveckla ett nytt stall, flexibel och vattentät synaps lämplig för applikationer i organiska miljöer. Deras studie, beskrivs i en artikel publicerad i Royal Society of Chemistry's Nanoskala horisonter tidning, presenterar en ny helt transparent elektronisk enhet som emulerar viktiga synaptiska beteenden, såsom paired-pulse facilitation (PPF), långvarig potentiering/depression (LTP/LTD) och inlärning-glömma-omlärande processer.
"I detta arbete, en stabil vattentät konstgjord synaps baserad på en helt transparent elektronisk enhet, lämplig för bärbara applikationer i en organisk miljö, visas för första gången, " skrev forskarna i sin uppsats.
Den flexibla, helt transparent och vattentät enhet utvecklad av forskarna har hittills uppnått anmärkningsvärda resultat, med en optisk transmittans på ~87,5 procent i området för synligt ljus. Det kunde också tillförlitligt replikera LTP/LTD-processer under böjda tillstånd. LTP/LTD är två processer som påverkar synaptisk plasticitet, vilket innebär en förbättring respektive minskning av synaptisk styrka.
Forskarna testade sina synapser genom att doppa dem i vatten och i fem vanliga organiska lösningsmedel i över 12 timmar. De fann att de fungerade med 6000 spikar utan märkbar försämring. Forskarna använde också sina e-synapser för att utveckla ett simuleringsramverk på enhet-till-systemnivå, som uppnådde en handskriven sifferigenkänningsnoggrannhet på 92,4 procent.
"Enheten visade en utmärkt transparens på 87,5 procent vid 550 nm våglängd och flexibilitet vid en radie på 5 mm, " skrev forskarna i sin uppsats. "Typiska synaptiska plasticitetsegenskaper, inklusive EPSC/IPSC, PPF och processer för att lära-glömma-omlära, emulerades. Vidare, e-synapsen uppvisade pålitliga LTP/LTD-beteenden vid platta och böjda tillstånd, även efter att ha varit nedsänkt i vatten och organiska lösningsmedel i över 12 timmar."
Den enhet som föreslagits av detta team av forskare är den första "osynliga" och vattentäta e-synapsen som på ett tillförlitligt sätt kan fungera i organiska miljöer utan några skador eller försämringar. I framtiden, det kan hjälpa utvecklingen av nya pålitliga hjärninspirerade neuromorfa system, inklusive bärbara och implanterbara enheter.
© 2019 Science X Network