نانوکانال‌هایی که برای یادگیری استفاده می شوند

خبرگزاری برنا؛ یادگیری هبیایی یک اصطلاحات فنی است که توسط دونالد هب در سال ۱۹۴۹ ایجاد شد و یادگیری را با انجام مکرر یک عمل نشان می‌دهد.

یادگیری هبیایی یک ابزار یادگیری خوب است. این روشی است که افراد برای انجام یک عمل به آن عادت می‌کنند. همانند آنچه که در شبکه‌های عصبی اتفاق می‌افتد، دانشمندان توانستند حضور حافظه را در کانال‌های دو بعدی با ابعاد متفاوت از چند نانومتر تا چند آنگستروم نشان دهند.

این کار با استفاده از نمک‌های ساده نظیر نمک طعام در آب انجام می‌شود، که از طریق نانوکانال و با استفاده از ولتاژ اسکن/پالس صورت می‌گیرد.

این مطالعه اهمیت نانوکانال‌های بسیار باریک را مشخص می‌کند. در این مطالعه از دو نوع نانوکانال استفاده شده است. “کانال‌های بکر” توسط تیم منچستر به سرپرستی پروفسور Radha Boya و از طریق اسمبل لایه‌های دو بعدی MOS۲ به دست می‌آید. این کانال‌ها دارای حداقل بار سطحی بوده و از نظر اتمی یکنواخت هستند. تیم پروفسور Lyderic Bocquet در ENS “کانال‌های فعال شده” را ایجاد کرد. اینها دارای بار سطح بالایی هستند و توسط اچ کردن پرتو الکترونی گرافیت به دست می‌آیند.

یک تفاوت اساسی بین خاطرات حالت جامد و حالت زیستی در این است که عملکرد اولی با استفاده از الکترون‌ها بوده، در حالی که دومی دارای جریان‌های یونی است. در حالی که سیلیکون حالت جامد یا دستگاه‌های حافظه مبتنی بر اکسید فلزی که می‌توانند “یاد بگیرند” مدت‌هاست ایجاد شده‌اند، این اولین نمونه از سیستم “یادگیری” است که توسط راه‌حل‌های یونی و ولتاژهای پایین کار می‌کند.

حافظه در نانوکانال‌ها می‌تواند در آینده در توسعه کامپیوترهای نانوسیالی، مدارهای منطقی و در تقلید سیناپس‌های نورون زیستی حاوی نانوکانال استفاده شود.

دکتر عبدالغانی اسماعیل از موسسه ملی گرافن و نویسنده اول این مطالعه گفت: «ما توانستیم دو نوع اثر حافظه را نشان دهیم که در پشت آن‌ها دو مکانیسم مختلف وجود دارد. وجود هر نوع حافظه به شرایط آزمایشی بستگی دارد (نوع کانال، نوع نمک ، غلظت نمک و غیره).»

پل رابین می‌گوید: «مکانیسم حافظه در کانال‌های بکر MOS۲ تبدیل زوج‌های یونی غیر سازنده به یک پلی الکترولیت یونی رسانا است، در حالی که کانال‌های فعال از جذب/دفع کاتیون‌ها (یون‌های مثبت نمک) در دیواره کانال موجب بروز رفتار حافظه‌ای می‌شود.»

این یافته می‌تواند در حوزه‌های مختلف از کامپیوترهای نانوسیالی گرفته تا حوزه برنامه‌های عصبی استفاده شود.

انتهای پیام/