Il est largement admis que les synapses biologiques sont responsables du rendement élevé et l’énorme parallélisme du cerveau en raison de leur aptitude à acquérir et traiter l’information de façon très adaptables. Cette fonctionnalité coordonnée émerge de multiples, les mécanismes moléculaires complexes qui animent les deux à court et à long terme de la plasticité synaptique1,2,3,4,5. Neuromorphic systèmes informatiques visent à imiter les fonctionnalités synaptiques au niveau proche de la densité, complexité et l’efficacité énergétique du cerveau, qui sont nécessaires pour la prochaine génération des ordinateurs de type cerveau6,7 , 8. Toutefois, reproduisant les caractéristiques synaptiques utilisant des éléments traditionnels de circuit électronique est pratiquement impossible9, plutôt exigeant la conception et la fabrication de nouveaux éléments de matériel qui peut s’adapter aux signaux entrants et n’oubliez pas histoires d’information9. Ces types de matériels d’inspiration synapse sont connus comme mem-éléments9,10,11 (éléments de court pour mémoire), qui, selon Di Ventra et coll.9,11, sont passifs, deux bornes périphériques dont la résistance, capacité ou inductance peut être reconfiguré en réponse à des stimuli externes, et qui se souvient des États antérieurs11. Pour atteindre des niveaux de consommation d’énergie s’approchant de celles du cerveau, ces éléments devraient employer des matériaux et mécanismes de la plasticité synaptique12similaires.
A ce jour, deux bornes memristors13,14,15 ont principalement été construits complémentaire métal-oxyde-semiconducteur (CMOS) technologie, caractérisée par des tensions de commutation de haute et de bruit élevé. Cette technologie ne s’adapte pas bien en raison de la consommation d’énergie élevée et faible densité. Pour pallier ces lacunes, plusieurs memristors organiques et polymères ont été construits récemment. Toutefois, ces appareils présentent sensiblement plus lent commutation dynamique en raison de la diffusion d’ion temps sur un polymère conducteur matrice16,17. Par conséquent, les mécanismes par lesquels les deux dispositifs organiques et axés sur le CMOS memristive imiter synapse-inspiré des fonctionnalités sont hautement phénoménologiques, n'englobant que quelques fonctionnalités synaptiques telles que Spike Timing Dependent plasticité (Pdts) 18, alors que surplombant les autres clés caractéristiques qui jouent un rôle essentiel dans la fabrication du cerveau un ordinateur puissant et efficace, tels que la plasticité présynaptique, à court terme19.
Récemment, nous avons introduit une nouvelle classe de memristive dispositifs12 mettant en vedette les peptides activés par tension incorporés dans les membranes lipidiques biomimétique qui imite la composition biomoléculaire, structure de la membrane et le changement de chaîne déclenchée ion mécanismes de synapses biologique20. Ici, nous décrivons comment assembler et interroger électriquement ces appareils deux bornes, en mettant l’accent sur la façon d’évaluer la plasticité à court terme pour la mise en œuvre en ligne apprentissage demandes12. Assemblage de l’appareil est basé sur la méthode de21 de bicouche (DIB) d’interface des gouttelettes, qui a été largement utilisée ces dernières années pour étudier la biophysique du modèle membranes21 et membrane-bondissent ion canaux22,23, 24et en tant que blocs de construction pour le développement des matériaux sensibles aux stimuli25,26. Nous décrire le processus de montage et interrogatoire de membrane en détail pour ceux qui sont intéressés par les applications neuromorphic mais ont peu d’expérience en biomatériaux ou en biologie de la membrane. Le protocole prévoit également une description complète de la procédure de qualification, qui est aussi importante que le processus d’assemblage, compte tenu des propriétés électriques reconfigurables et dynamiques de l' appareil27. La procédure et représentant les résultats décrite ici sont les bases d’une nouvelle classe de faible coût, faible puissance, mem-ments mous basées sur des interfaces de lipides et d’autres biomolécules pour applications en informatique neuromorphic, structures autonomes et systèmes, et même les interfaces cerveau-ordinateur adaptative.