A redução do consumo de energia em computadores tradicionais, onde a memória e os processadores estão fisicamente separados, está se tornando cada vez mais desafiadora, especialmente com o aumento da inteligência synthetic (AI), tecnologias como ChatGPT, Grok e Gemini … onde velocidade, desempenho e eficiência energética estão em tensão constante. De certa forma, a IA já está superando as capacidades do cérebro, mas não em quão pouca energia o cérebro usa1. A busca por cérebro, computação com eficiência energética levou os pesquisadores a olhar além dos elétrons e a alternativas biologicamente inspiradas que usam íons (Figura 1). Motivada pela maneira como as sinapses processam as informações usando fluxos iônicos através de canais de íons biológicos em escala de Angstrom, decidimos desenvolver memristores iônicos que poderiam imitar não apenas o comportamento sináptico, mas também o rico espectro de fenômenos de memória observado nas redes neurais.
Figura 1: Ilustração esquemática do desenvolvimento de canais nanofluídicos para imitar o sistema de memória e a computação do cérebro. Os nanocanais, sob várias condições experimentais, podem reter uma memória do histórico de tensão aplicado, levando à potenciação ou depressão da condução iônica. Esse novo estado pode persistir por uma longa duração (memória de longo prazo) ou desaparecer dentro de alguns minutos (memória de curto prazo).
Nossa jornada começou com uma pergunta simples: Podemos criar um dispositivo iônico programável que imite vários tipos de memória usando a mesma arquitetura?
Em nosso trabalho anterior usando nanocanais MOS₂ que podem acomodar apenas duas moléculas de água em altura (<1 nm), observamos dois estilos de loop memristivos que refletem dois mecanismos, a saber, HISTERESESES DE ADSORÇÃO Devido à interação iônica com as paredes do canal e Comportamento do tipo Wien Devido ao emparelhamento de íons e dissociação2. Paralelamente, nossos colaboradores (o Prof Lyderic Bocquet’s Group em ENS, Paris), observou apenas a memória do tipo adsorção em canais de carbono ativados mais espessos, e publicamos isso juntos na Science 20232). Vários outros grupos no mesmo ano publicaram vários loops de memória com diferentes mecanismos e materiais3. Isso levou a uma pergunta maior. Esses mecanismos poderiam coexistir dentro do mesmo sistema? Mais tipos de memória iônica ainda estavam esperando para serem descobertos?
Testamos outro materials 2D, nitreto de boro hexagonal (HBN)isso tem menor carga superficial que o MOS2. Quando testamos nanocanais HBN sob várias condições de eletrólitos, algo inesperado aconteceu: começamos a observar Novos estilos de loopdistinto dos dois vistos anteriormente, e no whole Quatro estilos de loop Memristive diferentes apareceu (Figura 2).
No começo, não tínhamos certeza do que fazer com esses resultados. Eles eram artefatos? A variação foi aleatória? Ou eles poderiam sinalizar novos mecanismos físicos? Depois de testar dezenas de dispositivos e milhares de varreduras de tensão sob variações fortemente controladas de parâmetros como tipo de sal, valência, concentração, altura do canal e pH, começamos a ver um padrão (Figura 3). O que emergiu foi um Classificação sistemática de quatro comportamentos memristivos: Dois tipos de loops de cruzamento e dois tipos de loops não cruzadores, que os correlacionamos com quatro mecanismos distintos:
- Crossing 1 (M1): Adsorção de íons após inversão da carga superficial (adsorção/dessorção de ânions)
- Crossing 2 (M3): Interação catiônica com paredes carregadas negativamente em baixa concentração de eletrólitos (adsorção/dessorção de cátions)
- Saturação (m2): Limitação atual devido ao esgotamento de entrada (como a polarização da concentração de íons)
- Wien (M4): Emparelhamento iônico e associação/dissociação de polieletrólitos em nanocanais confinados
Figura 3: Cartografia dos diferentes comportamentos memristivos observados sob várias condições experimentais em nanocanais HBN 2D. A – B) gráficos 3D mostrando a influência da altura do canal, concentração de eletrólitos e valência/tipo de íons no comportamento observado: (a) eletrólitos predominantemente monovalentes; (b) eletrólitos predominantemente bi e tri-valentes. c) Análise de componentes principais, considerando as diferentes variáveis experimentais e de medição. d) Ilustração esquemática dos principais fatores que governam o surgimento de efeitos memristivos em nanocanais.
Para entender as interdependências complexas, desenvolvemos um Modelo teórico mínimo Incorporando a adsorção/dessorção, interações ion -ion e dinâmica de depleção de entrada. Esse modelo pode reproduzir todos os quatro estilos de loop, fornecendo uma estrutura unificadora para os memristores nanofluídicos e mostra como a variabilidade na força de cada fator afeta os fenômenos gerais observados.
O que é particularmente emocionante é que Todos os quatro tipos de memristores previstos teoricamente por Solar et al.4,5 agora poderia ser realizado experimentalmente no mesmo tipo de dispositivo. Isso contrasta com os relatórios anteriores em que cada estilo de loop de memória exigia uma arquitetura diferente de materials ou dispositivo.
Não paramos na caracterização dos novos fenômenos. Nós exploramos o Implicações neuromórficas de cada tipo de loop onde alguns mostraram Memória volátil como a depressão sináptica de curto prazo (Figura 4); Outros mostraram memória não volátilpersistindo por vários dias. Essas descobertas nos aproximam um passo do sonho de sistemas de computação baseados em íons que operam como o cérebro: eficiente, adaptável e dinâmico, com o mínimo de consumo de energia na ordem do que é armazenado em um pedaço de chocolate ou em uma fruta pequena.
Figura 4: Esquema da depressão a curto prazo em sinapses biológicas e nanocanais artificiais. O painel esquerdo mostra dois potenciais de ação consecutivos (AP1 e AP2) desencadeando a liberação de neurotransmissores das vesículas no terminal nervoso pré -sináptico, gerando subsequentemente potenciais pós -sinápticos excitatórios (EPSPs) no neurônio pós -sináptico. A amplitude do segundo EPSP é afetada pelo tempo de relaxamento entre os potenciais de ação subsequentes. O painel direito mostra os nanocanais 2D em perspectiva e vista transversal. Os gráficos mostram variação potencial análoga a potencial pós-sináptico excitatório em nanocanais sob uma corrente constante de 200 Na por 30 s separados por diferentes tempos de relaxamento (0,25 se 60 s), simulando a depressão a curto prazo observada nos neurônios pós-sinápticos. A proporção do segundo pico EPSP (A2) e a primeira mudança de pico EPSP (A1) com tempos de relaxamento variados entre excitações que refletem a depressão a curto prazo.
Nossas descobertas abrem o caminho para o futuro circuitos neuromórficos reconfiguráveisPortões lógicos iônicos e futura computação de baixa potência inspirada nos sistemas naturais. Mas, talvez, mais importante, mostra o poder de desenvolver novos sistemas, provavelmente de maneira mais fácil e escalável, para descobrir novos regimes funcionais escondidos à vista.
Para mais detalhes, leia nosso artigo Memristores programáveis com canais nanofluídicos bidimensionais em Comunicações da natureza.
Referências:
1 Zhang, M., Xu, G., Zhang, H. & Xiao, Okay. limiar volátil nanofluídico Memristor iônico: uma perspectiva. ACS Nano 1910589-10598 (2025).
2 Robin, P. et al. Memória de longo prazo e dinâmica semelhante a sinapse em canais nanofluídicos bidimensionais. Ciência 379161-167, doi: doi: 10.1126/science.adc9931 (2023).
3 Xu, G. et al. Memristores iônicos nanofluídicos. ACS Nano 1819423-19442 (2024).
4 Solar, B. et al. Um modelo memristivo acoplado capacitivo unificado para o loop de histerese de tensão de corrente não picante. Nano Cartas 196461-6465 (2019).
5 Solar, B. et al. Comportamento de histerese de tensão de corrente não-zero de cruzamento no sistema memristivo. Os materiais hoje avançam 6100056 (2020).
