Eletrnica
Redação do Site Inovação Tecnológica – 21/03/2024
Ilustrao do funcionamento do memoristor fludico, que armazena dados mesmo sem energia.
[Imagem: Andras Kis/EPFL]
Hardware lquido
Os memoristores tm viabilizado as primeiras demonstraes da computao neuromrfica e da computao analgica, ambas com grandes ganhos em relao computao eletrnica tradicional.
Mas Theo Emmerich e colegas da Escola Politcnica Federal de Lausanne (EPFL), na Sua, j esto tentando fazer algo ainda mais ambicioso, imitando ainda mais de perto a eficincia do crebro, tanto em termos de capacidade de processamento, quanto de eficincia energtica.
“Os memristores j foram usados para construir redes neurais eletrnicas, mas nosso objetivo construir uma rede neural nanofludica que tire proveito das mudanas nas concentraes de ons, semelhantes s dos organismos vivos,” acrescentou a professora Aleksandra Radenovic, cuja equipe trabalha h alguns anos no projeto de processadores que unem clculo e memria no mesmo chip.
Para isso, a equipe criou memoristores fludicos que operam com ons, em vez de eltrons e suas contrapartes de carga positiva (lacunas).
“Fabricamos um novo dispositivo nanofludico para aplicaes de memria que significativamente mais escalonvel e com muito melhor desempenho do que as tentativas anteriores,” disse Emmerich. “Isso nos permitiu, pela primeira vez, conectar duas dessas ‘sinapses artificiais’, abrindo caminho para o projeto de um hardware lquido inspirado no crebro.”

Esquema de funcionamento da sinapse artificial e microfotografia de um exemplar real.
[Imagem: Theo Emmerich et al. – 10.1038/s41928-024-01137-9]
Memoristores inicos
Enquanto os memoristores eletrnicos usam eltrons e lacunas para processar informaes digitais, o memoristor fludico pode funcionar com uma variedade de ons diferentes. Nesta primeira demonstrao, os pesquisadores mergulharam o chip em uma soluo eletroltica de gua contendo ons de potssio, mas tambm funcionaria com sdio ou clcio, por exemplo.
“Ns podemos ajustar a memria do nosso dispositivo alterando os ons que usamos, o que afeta a forma como ele liga e desliga ou a quantidade de memria que armazena,” explicou Emmerich.
A estrutura do memoristor consiste em uma membrana de nitreto de silcio no centro da qual perfurado um nanoporo. Camadas de paldio e grafite foram adicionadas para criar nanocanais para os ons. medida que uma corrente flui atravs do chip, os ons percolam atravs dos canais e convergem para o nanoporo, onde sua presso cria uma bolha entre a superfcie do chip e o grafite.
medida que a camada de grafite forada para cima pela bolha, o dispositivo torna-se mais condutor, mudando o seu estado de memria para “ligado”. Como a camada de grafite permanece elevada, mesmo sem corrente, o dispositivo “lembra” seu estado anterior, a caracterstica de memria intrnseca tpica dos memoristores. Uma tenso negativa coloca as camadas novamente em contato, redefinindo a memria para o estado “desligado”.

Demonstrao da lgica fluida.
[Imagem: Theo Emmerich et al. – 10.1038/s41928-024-01137-9]
Lgica lquida
“Os canais inicos no crebro passam por mudanas estruturais dentro de uma sinapse, ento isso tambm imita a biologia,” disse Yunfei Teng, membro da equipe responsvel pela construo dos dispositivos, que eles batizaram de “canais altamente assimtricos” (HACs: Highly Asymmetric Channels), em referncia forma do fluxo de ons em direo aos poros centrais.
Os pesquisadores conseguiram conectar dois HACs com um eletrodo para formar um circuito lgico baseado no fluxo de ons. Esta conquista representa a primeira demonstrao de operaes lgicas digitais baseadas em dispositivos inicos semelhantes a sinapses, e isto em um hardware que funciona em meio lquido.
O prximo objetivo ligar uma rede de HACs a canais de gua para criar circuitos computacionais totalmente lquidos. Alm de fornecer um mecanismo de resfriamento embutido, o uso de gua facilitaria o desenvolvimento de dispositivos biocompatveis, com aplicaes potenciais em interfaces crebro-computador ou em neuromedicina.
Artigo: Nanofluidic logic with mechano-ionic memristive switches
Autores: Theo Emmerich, Yunfei Teng, Nathan Ronceray, Edoardo Lopriore, Riccardo Chiesa, Andrey Chernev, Vasily Artemov, Massimiliano Di Ventra, Andras Kis, Aleksandra Radenovic
Revista: Nature Electronics
DOI: 10.1038/s41928-024-01137-9

Outras notcias sobre:
Mais tópicos
ENVIE UM COMENTÁRIO