Funkcija možganov delno ponavlja nanomateriale

Dr. Graf: Cepiva so že preteklost, so zgodovina medicine ... (Junij 2019).

Anonim

Možganji potrebujejo presenetljivo malo energije, da se prilagodijo okolju, da se naučijo, dajo dvoumna priznanja, imajo visoko sposobnost prepoznave in inteligence ter opravljajo kompleksno obdelavo informacij.

Dve ključni značilnosti nevronskih vezij sta "sposobnost učenja sinaps" in "živčni impulzi ali trni". Z razvojem možganske znanosti se je struktura možganov postopoma razčiščevala, vendar je preveč zapletena, da bi popolnoma emulirala. Znanstveniki so poskušali ponoviti funkcijo možganov z uporabo poenostavljenih nevromorfnih vezij in naprav, ki posnemajo del možganskih mehanizmov.

Pri razvoju nevromorfnih čipov, da umetno ponovijo vezja, ki posnemajo strukturo in funkcijo možganov, funkcije generiranja in prenosa spontanih konic, ki posnemajo živčne impulze (konice), še niso v celoti izkoriščene.

Skupna skupina raziskovalcev iz Kyushu inštituta za tehnologijo in Univerze v Osaki sta preučevala trenutni nadzor popravkov v križiščih različnih molekul in delcev, absorbiranih na enostenski ogljikovi nanocevki (SWNT), s pomočjo prevodne atomske silicijeve mikroskopije (C-AFM) in odkrili, da negativna diferencialna upornost je bila proizvedena v polioksometalatnih (POM) molekulah, absorbiranih na SWNT. To kaže, da v molekularnih križih pride do nestabilnega dinamičnega neenakostnega stanja.

Poleg tega so raziskovalci ustvarili izredno gosto, naključno omrežno molekularno nevromorfno napravo SWNT / POM, ki je povzročil spontane konice, podobne živčnim impulzom nevronov (slika 1).

POM sestavljajo kovinski atomi in atomi kisika, ki tvorijo tridimenzionalni okvir. (Slika 2) Za razliko od navadnih organskih molekul, lahko POM shranjuje naboje v eni sami molekuli. V tej študiji je bilo mišljeno, da je negativna diferencialna upornost in nastajanje spike iz omrežja povzročila neravnovesna dinamika polnjenja v molekularnih križiščih v omrežju.

Tako je skupna raziskovalna skupina, ki jo vodi Megumi Akai-Kasaya, izvedla simulacijske izračune modela naključnih molekularnih mrež, ki so kompleksne z molekulami POM, ki lahko shranjujejo električne tokove, ki kopičijo konice, ki nastanejo iz naključnega molekularnega omrežja. (Slika 3 levo) Prav tako so pokazale, da bi ta molekularni model zelo verjetno postal komponenta računalniških naprav za rezervoarje. Računanje z rezervoarjem se pričakuje kot umetna inteligenca naslednje generacije (AI). (Slika 3) Njihovi rezultati raziskav so bili objavljeni v publikaciji Nature Communications.

"Pomembnost naše raziskave je, da del možganske funkcije ponovimo z nanomolekularnimi materiali. Dokazali smo, da lahko naključna molekularna mreža postane nevromorfna AI, " pravi vodilni avtor Hirofumi Tanaka.

Pričakuje se, da bodo dosežki te skupine močno prispevali k razvoju nevromorfnih naprav prihodnosti.

menu
menu