$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Es ist allgemein anerkannt, daß biologische Synapsen verantwortlich für die hohe Effizienz und enorme Parallelität des Gehirns aufgrund ihrer Fähigkeit sind zu lernen und verarbeiten Informationen auf höchst anpassungsfähige Arten. Diese koordinierte Funktionalität ergibt sich aus mehreren, sehr komplexen molekularen Mechanismen diesem Laufwerk sowohl kurzfristige als auch langfristige synaptische Plastizität1,2,3,4,5. Neuromorphen-computing-Systeme wollen emulieren synaptische Funktionen auf Ebenen nähert sich die Dichte, Komplexität und Energieeffizienz des Gehirns, die notwendig sind, für die nächste Generation von Gehirn-wie Computer6,7 , 8. synaptische Funktionen mit Hilfe von traditionellen elektronischen Schaltelemente zu reproduzieren ist jedoch praktisch unmöglich9, stattdessen erfordert die Konstruktion und Herstellung der neuen Hardware-Elemente, die auf eingehende Signale anpassen können und erinnern Informationen Geschichten9. Diese Arten von Synapse-inspirierten Hardware sind als Mem-Elements9,10,11 (kurz für Speicherelemente), bekannt, die nach Di Ventra Et Al.9,11, passive, zwei-Terminal-Geräte, deren Widerstand, Kapazität oder Induktivität als Reaktion auf äußere Reize neu konfiguriert werden kann, und die vorherige Staaten11erinnern können. Um Energieverbräuche nähert sich in das Gehirn zu erreichen, sollten diese Elemente ähnliche Materialien und Mechanismen für die synaptische Plastizität12beschäftigen.
Bisher worden zwei-Terminal Memristoren13,14,15 überwiegend gebaut mit komplementären Metall-Oxid-Halbleiter (CMOS) Technologie, zeichnen sich durch hohe schaltende Spannungen und hohen Geräuschpegel. Diese Technologie skaliert nicht gut wegen hoher Stromverbrauch und geringe Dichte. Um diese Einschränkungen zu beheben, wurden mehrere organische und Polymere Memristoren vor kurzem gebaut. Diese Geräte weisen jedoch deutlich langsamer Schaltdynamik durch zeitaufwendige Ion Diffusion durch ein leitfähiges Polymer-Matrix16,17. Infolgedessen sind die Mechanismen, mit denen beide CMOS-basierte und organischen Memristive Geräte Synapse-inspirierte Funktionen emulieren, hoch phänomenologische, umfasst nur wenige synaptische Funktionen wie Spike Timing abhängigen Plastizität (STDP) 18, während mit Blick auf andere wichtige Funktionen auch spielen eine entscheidende Rolle bei der Herstellung des Gehirns eines leistungsfähigen und effizienten Computers, z. B. präsynaptischen, kurzfristige Plastizität19.
Vor kurzem führten wir eine neue Klasse von Memristive Geräten12 mit Spannung aktiviert Peptide biomimetische Lipidmembranen gegründet, die imitiert, biomolekulare Zusammensetzung, Membran-Struktur und Ion Kanalumschaltung ausgelöst Mechanismen der biologischen Synapsen20. Wir beschreiben hier, wie zu montieren und diese zwei-Terminal-Geräte, elektrisch zu verhören mit besonderem Schwerpunkt auf kurzfristige Plastizität für die Umsetzung in Online-Bewertung lernen Anwendungen12. Gerätemontage basiert auf die Tröpfchen Interface Bilayer (DIB)21 -Methode, die in den letzten Jahren weitgehend verwendet worden ist, um die Biophysik des Modells Membranen21 und Membrane-springen Ionen-Kanäle22,23zu studieren, 24, und als Bausteine für die Entwicklung der Reize reagierende Materialien25,26. Wir beschreiben Membranverfahren Montage- und Verhör im Detail für Interessenten in neuromorphen Anwendungen aber wenig Berufserfahrung in Biomaterialien oder Membran Biologie. Das Protokoll enthält auch eine vollständige Beschreibung des Verfahrens Charakterisierung, die ebenso wichtig wie der Montage, die dynamische und rekonfigurierbaren elektrischen Eigenschaften der Vorrichtung27gegeben ist. Die hier beschriebenen Verfahren und Vertreter Ergebnisse sind Grundlagen für eine neue Klasse von Low Cost, Low-Power, weiche Mem-Elemente basierend auf Lipid-Schnittstellen und andere Biomoleküle für Anwendungen im neuromorphen computing, autonome Strukturen und Systeme, auch adaptive Gehirn-Computer-Schnittstellen.