سیناپسی از جنس نانولوله کربنی با منطق و یادگیری پویا

پژوهشگران دانشگاه کالیفرنیا، به رهبری پروفسور یانگ چن، یک سیناپس نانولوله کربنی با منطق پویای مقدماتی، یادگیری و عملکرد حافظه‌ای شبیه به سیناپس بیولوژیکی ساختند. این سیناپس عملکردی بر پایه اثر پویایی متقابل بین نانولوله‌های کربنی و یون‌های هیدروژن در یک سلول الکتروشیمیایی یکپارچه بعنوان سیناپس نانولوله کربنی دارد.

پژوهشگران دانشگاه کالیفرنیا، به رهبری پروفسور یانگ چن، یک سیناپس نانولوله کربنی با منطق پویای مقدماتی، یادگیری و عملکرد حافظه‌ای شبیه به سیناپس بیولوژیکی ساختند. این سیناپس عملکردی بر پایه اثر پویایی متقابل بین نانولوله‌های کربنی و یون‌های هیدروژن در یک سلول الکتروشیمیایی یکپارچه بعنوان سیناپس نانولوله کربنی دارد.

این پژوهشگران دریافتند که این سیناپس نانولوله کربنی مقدار بسیار کمی انرژی (تقریبا هفت و نیم pJ/spike) مصرف می‌کند و این مقدار مصرفی نیز می‌تواند با کوچک کردن مقیاس دستگاه به مقدار قابل‌توجهی کاهش یابد.

این سیناپس‌های نانولوله کربنی می‌توانند در مدارهای با مقیاس بزرگ جمع شده تا با شبیه‌سازی پردازش سیگنال‌های سنگین موازی و فراگیری توابع شبکه عصبی بیولوژیکی، شناسایی صدا، شناسایی الگو، استنتاج آماری و رفتارهای هوشمندانه دیگر را انجام دهند.

 

برای ساخت این سیناپس نانولوله کربنی با ساختار شبیه به ترانزیستور، در ابتدا شبکه تصادفی از نانولوله های کربنی تک‌دیواره بر روی سطح لایه‌ای از جنس اکسید سیلیکون واقع بر روی تراشه سیلیکونی، پوشش داده شد. نواری برش خورده از این شبکه به ابعاد ۸ و ۳۰ میکرون، به ضخامت ۱۰ و ۵۰ نانومتر با لایه‌های تیتانیوم و طلا پوشش داده شد تا الکترودهای منبع و تخلیه را بسازند. لایه ضخیمی از پلی‌اتر (PEG) به ضخامت ۹۰ نانومتر با لایه‌نشانی چرخشی و ایجاد پیوند عرضی (cross-linked) و استفاده از لیتوگرافی با پرتو الکترونی بر روی شبکه نانولوله کربنی ایجاد شد. سپس لایه‌هایی از تیتانیوم و آلومینیوم به ترتیب به ضخامت‌های ۱۵ و ۸۵ نانومتر بر روی این لایه PEG بعنوان الکترود گیت لایه‌نشانی شدند. در مرحله نهایی با گیرانداختن الکترولیت PEG حاوی هیدروژن بین کانال نانولوله کربنی و الکترود گیت تیتانیوم/آلومینیوم، یکپارچه‌سازی سلول الکتروشیمیایی در گیت ترانزیستور انجام پذیرفت.

این سیناپس نانولوله کربنی تحت شرایط مشابه با سیناپس بیولوژیکی، در یک مدار الکترونیکی خاص مورد تست قرار گرفت.
پلاستیسیته طولانی مدت سیناپس بعنوان مکانیزم اساسی برای یادگیری و حافظه مغز شناخته می‌شود. رفتار طولانی مدت پلاستیسیته این سیناپس نانولوله کربنی با اصلاح استحکام سیناپسی در قبل و بعد از اسپایک (Spike) سیناپسی تشریح شد.

همچنین لازم به ذکر است استحکام سیناپسی در این سیناپس نانولوله کربنی می‌تواند بطور مداوم و برگشت‌پذیر، با وارد کردن یک سری اسپایک‌های سیناپسی قبل و بعد با دامنه‌های متفاوت، به مقادیر آنالوگ موردنظر اصلاح شود.

این پژوهشگران جزئیات نتایج کار تحقیقاتی خود را در مجله‌ی Advanced Materials منتشر کرده‌اند.