氢化钙钛矿镍酸盐突触网络中的空间相互作用

以下文章来源于Artificial Synapse ，作者Synapse

研究背景

神经形态计算领域研究的一个主要目标是在硬件中模拟生物智能的各个方面。大脑中的突触负责记忆、学习以及广义上的神经回路功能控制。这部分是通过突触改变其重量(称为塑性)的能力来实现的，从而调节神经元动作电位的发射。最近的神经科学研究表明，除了简单的可塑性之外，突触对神经网络的调控也至关重要。事实上，突触的动态状态除了作为记忆存储外，对神经计算也至关重要。突触可以通过化学、电，甚至是两种机制的结合(混合突触)来控制信息流，这一点在对驯养鱼类的研究中已有所体现。离子化学势梯度产生的细胞外场可使突触控制小规模网络中的信号传输。也就是说，由于神经递质扩散长度尺度特征的局部化学干扰，相邻神经细胞的耦合可因单个突触作用而发生深刻改变，从而影响神经回路中的信号传输。大规模神经网络的功能需要单个神经元膜电位的变化和控制，而这种变化和控制是通过整合来自大量神经元的传入信号来实现的。此外，基于伊辛模型的神经网络表明分类和联想记忆等新出现的计算现象是具有广泛空间和时间尺度的网络元素之间相互作用的结果。在人工智能中模拟各种生物神经网络的微妙性和复杂性是一个前沿问题。

研究成果

大脑学习和决策过程的一个重要方面是通过突触相互作用实现的。突触网络中的电传输和通信受到离子化学梯度产生的细胞外场的调节。在合成网络中模拟这种空间互动可能会用于神经形态学习和人工智能的硬件实现。在此，罗格斯大学Ravindra Singh Bisht & Shriram Ramanathan教授等人证明了在氢掺杂的钙钛矿镍酸盐器件网络中，单个结点上的电偏压可以调节相邻细胞之间的耦合强度。电传输测量和空间分辨衍射以及纳米探针 X 射线和扫描微波阻抗光谱研究表明，掺氢镍酸盐薄膜非均质介质中质子的梯度分布促成了这种行为。我们进一步展示了通过各种结的耦合实现的信号集成。相关研究以“Spatial Interactions in Hydrogenated Perovskite Nickelate Synaptic Networks”为题发表在Nano Letters期刊上。

图文导读

Figure 1. Schematic illustration of coupling between neuronal cells and electronic analogue in NdNiO3.

Figure 2. Demonstration of plasticity in H-NNO thin film device and the emergence of coupling and resistance evolution.

Figure 3. Structural and electronic structure characterization of H-NNO films.

Figure 4. Spatial characterization of H-NNO films.

总结与展望

总之，多模式光谱特性分析表明，分级氢掺杂导致的电子不均匀镍酸盐介质可作为电压应用时调节电阻的平台。未来探索不同电极几何形状和网络模式的研究将有助于研究更复杂网络中权重的演变。电子特性可通过离子掺杂进行调整的量子材料为研究神经形态功能提供了一个有趣的平台。

文献链接

Spatial Interactions in Hydrogenated Perovskite Nickelate Synaptic Networks

https://doi.org/10.1021/acs.nanolett.3c02076

转自：“i学术i科研”微信公众号

如有侵权，请联系本站删除！