$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
É amplamente reconhecido que as sinapses biológicas são responsáveis pela alta eficiência e paralelismo enorme do cérebro devido à sua capacidade de aprender e processar informações de formas altamente adaptáveis. Essa funcionalidade coordenada emerge múltiplas, mecanismos moleculares altamente complexos que conduzem ambos plasticidade sináptica a curto e a longo prazo1,2,3,4,5. Sistemas de computação Neuromorphic visam emular as funcionalidades sinápticas em níveis próximos a densidade, complexidade e eficiência de energia do cérebro, que são necessários para a próxima geração de computadores, como cérebro6,7 , 8. no entanto, reproduzir características sinápticas, usando elementos de circuito eletrônico tradicional é virtualmente impossível9, em vez disso, exigir que o projeto e fabricação de novos elementos de hardware que pode adaptar-se a sinais de entrada e lembre-se histórias de informações9. Estes tipos de hardware de inspiração sinapse são conhecidos como elementos de mem-9,10,11 (elementos de abreviação de memória), que, de acordo com Di Ventra et al.9,11, são passivos, dispositivos de dois terminais cuja resistência, capacitância ou indutância pode ser reconfigurada em resposta a estímulos externos, e que me lembro de Estados anteriores11. Para atingir os níveis de consumo de energia se aproximando aqueles no cérebro, estes elementos devem empregar materiais e mecanismos de plasticidade sináptica12semelhantes.
Até à data, dois terminais memristors13,14,15 predominantemente foram construídos usando tecnologia de (CMOS) metal-óxido-semicondutor complementar, caracterizada pela alternância de alta tensões e ruído elevado. Esta tecnologia não se adapta bem devido ao consumo de energia de alta e baixa densidade. Para lidar com essas limitações, vários orgânicos e poliméricos memristors foram recentemente construídos. No entanto, esses dispositivos apresentam dinâmica switching significativamente mais lento devido à difusão do íon demorado através de uma matriz de polímero condutor16,17. Como resultado, os mecanismos pelo qual ambos os dispositivos baseados em CMOS e orgânicos memristive emulam sinapse-inspirado funcionalidades são altamente fenomenológicos, abrangendo apenas algumas funcionalidades sinápticas como Spike temporização dependente plasticidade (STDP) 18, enquanto com vista para outra chave que apresenta também desempenham papéis essenciais na tomada o cérebro de um computador poderoso e eficiente, como plasticidade pré-sinápticos, a curto prazo19.
Recentemente, nós introduzimos uma nova classe de memristive dispositivos12 com peptídeos ativado voltagem incorporados em membranas de lipídios biomimético que imita a composição biomolecular, a estrutura da membrana e íon canal acionado comutação mecanismos de sinapses biológicas20. Aqui, descrevemos como montar e eletricamente interrogar estes dispositivos de dois terminais, com foco específico sobre como avaliar a plasticidade a curto prazo para implementação em on-line de aprendizagem aplicações12. Montagem do dispositivo é baseada no método da gota interface BICAMADA (DIB)21 , que tem sido amplamente utilizado nos últimos anos para estudar a Biofísica de membranas de modelo21 e de22,de canais de íon de membrana-limite23, 24e como blocos de construção para o desenvolvimento de materiais sensíveis estímulos25,26. Podemos descrever o processo de montagem e interrogatório de membrana em detalhes para aqueles interessados em aplicações de neuromorphic mas experiência em biomateriais ou membrana biologia limitada. O protocolo também inclui uma descrição completa do processo de caracterização, que é tão importante quanto o processo de montagem, dado as dinâmicas e reconfiguráveis Propriedades elétricas do dispositivo27. Os procedimento e representante resultados aqui descritos são bases para uma nova classe de baixo custo, baixo consumo de energia, macios mem-elementos com base em interfaces de lipídios e outras biomoléculas para aplicações em computação neuromorphic, estruturas autónomas e sistemas, e até mesmo interfaces cérebro-computador adaptável.