$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Es ampliamente reconocido que las sinapsis biológicas son responsables de la eficacia alta y el enorme paralelismo del cerebro debido a su capacidad para aprender y procesar información de maneras altamente adaptables. Esta funcionalidad coordinada surge de múltiples mecanismos moleculares muy complejos que impulsan tanto plasticidad sináptica a corto plazo y a largo plazo1,2,3,4,5. Sistemas de computación neuromórfica pretenden emular funciones sinápticas en niveles acerca de la densidad, la complejidad y eficiencia de energía del cerebro, que son necesarias para la próxima generación de ordenadores de cerebro-como6,7 , 8. sin embargo, reproducir características sinápticas usando elementos del tradicional circuito electrónico es virtualmente imposible9, que en lugar de otro requieren el diseño y la fabricación de nuevos elementos de hardware que puede adaptarse a las señales entrantes y recuerda información historias9. Estos tipos de hardware inspirado en sinapsis se denominan mem-elementos9,10,11 (elementos de memoria), que, según Di Ventra et al9,11, son pasivos, dispositivos de dos terminales cuya resistencia, capacitancia o inductancia puede reconfigurarse en respuesta a estímulos externos, y que pueden recordar los Estados anteriores11. Para alcanzar niveles de consumo de energía a ésos en el cerebro, estos elementos deben emplear mecanismos de plasticidad sináptica12y materiales similares.
Hasta la fecha, dos-terminal memristores13,14,15 predominante se han construido tecnología complementaria metal-óxido-semiconductor (CMOS), caracterizado por la conmutación de alta tensión y alto nivel de ruido. Esta tecnología no escala por consumo de energía alta y baja densidad. Para hacer frente a estas limitaciones, varios memristores orgánicos y poliméricos se han construido recientemente. Sin embargo, estos dispositivos presentan significativamente más lento conmutación dinámica debido a la difusión de iones lentos a través de una matriz de polímero conductor16,17. Como resultado, los mecanismos por el cual ambos dispositivos memristive basados en CMOS y orgánicos emulan funcionalidad inspirada en sinapsis son altamente fenomenológicos, que abarcan sólo algunas funcionalidades sinápticas como Spike tiempo dependiente plasticidad (STDP) 18, mientras que la otra cuenta que también tienen un papel esencial en hacer del cerebro un ordenador potente y eficaz, tales como plasticidad presináptica, a corto plazo19.
Recientemente, hemos introducido una nueva clase de memristive dispositivos12 con péptidos activados por voltaje incorporados en las membranas de lípidos biomiméticos que imita la composición biomolecular, estructura de la membrana y cambiar de canal activada de iones mecanismos de sinapsis biológica20. Aquí, describimos cómo montar y eléctricamente interrogar estos dispositivos de dos terminales, con enfoque específico en cómo evaluar la plasticidad a corto plazo para la implementación en línea aprender aplicaciones12. Montaje del dispositivo se basa en el método de21 la gota interfaz bicapa (DIB), que se ha utilizado extensivamente en los últimos años para estudiar la biofísica de membranas modelo21 y membrana-limitan ion canales22,23, 24y como bloques de construcción para el desarrollo de materiales responde a estímulos25,26. Describir el proceso de montaje e interrogatorio de membrana en detalle para aquellos interesados en aplicaciones Neuromórficos pero tienen una limitada experiencia en biomateriales o biología de membrana. El protocolo también incluye una descripción completa del procedimiento de caracterización, que es tan importante como el proceso de montaje, dado las dinámicas y reconfigurable características eléctricas del dispositivo27. Los resultados del procedimiento y representante aquí descritos son bases para una nueva clase de bajo costo, bajo consumo, suaves mem-elementos basados en interfaces de lípidos y otras biomoléculas para aplicaciones en computación neuromórfica, estructuras autónomas y sistemas, e incluso interfaces cerebro-computadora adaptable.