Michigan Üniversitesi’nde geliştirilen yeni bir elektronik cihaz, iki nöron arasındaki bağlantı olan bir sinapsın davranışlarını doğrudan modelleyebilir.
İlk defa, nöronların kaynak için paylaşma ya da rekabet etme biçimi, karmaşık devrelere ihtiyaç duymayan donanımda araştırılabilir.
UM(University of Michigan)’de Elektrik ve Bilgisayar Mühendisliği Profesörü olan Wei Lu; “Nörobilimciler, sinapslar arasındaki rekabet ve işbirliği davranışlarının çok önemli olduğunu savundular. Yeni memtransistör aygıtlarımız, katı hal sistemlerinde bu davranışların sadık bir modelini uygulamamıza izin veriyor.”
Memtransistörler, kendilerine uygulanan gerilimlerin geçmişine dayanarak akımı düzenleyen bellek gelişmiş elektronik cihazlara sahip elektrik dirençleridir. Verileri aynı anda depolayabilir ve işleyebilir, bu da onları geleneksel sistemlerden çok daha verimli hale getirir. Paralel olarak çok sayıda sinyali işleyen ve gelişmiş makine öğrenimini gerçekleştirebilen yeni platformlar sağlayabilirler.
Memtransistörler bir sinaps için iyi bir modeldir. Sinyaller içinden geçerken nöronlar arasındaki bağlantıların güçlenme veya zayıflama şeklini taklit eder. Ancak iletkenlikteki değişiklikler tipik olarak, memtransistör içindeki iletken malzemenin kanalları şeklindeki değişikliklerden gelir. Bu kanallar (ve memtransistörlerin elektriği yönetme kabiliyeti) önceki cihazlarda tam olarak kontrol edilemedi.
Şimdi, UM ekibi, iletken yollara daha iyi hakim olduklarını hatırlatan bir memtransistör yaptılar. Yarı iletken molibden disülfit(MoS2)’den yeni bir malzeme geliştirdiler; Sadece birkaç atom kalınlığında tabakalara soyulabilen bir “iki boyutlu” malzeme. Lu’nun ekibi, lityum iyonlarını molibden disülfür tabakaları arasındaki boşluklara enjekte etti.
Yeterli lityum iyonları mevcutsa, molibden sülfürün kafes yapısını dönüştürerek, elektronların bir metal gibi kolaylıkla film boyunca akmasını sağladığını bulmuşlardır. Ancak çok az lityum iyonuna sahip bölgelerde, molibden sülfit orijinal kafes yapısını geri yükler. Bir yarı iletken haline gelir ve elektrik sinyallerinin geçmesi zorlaşır. Lityum iyonları, bir elektrik alanı ile kaydırarak katman içinde yeniden düzenlenebilir. Bu, elektriği az olan bölgelerin boyutunu değiştirir ve böylece cihazın iletkenliğini kontrol eder.
Lu; “Filmin ‘dökme’ özelliklerini değiştirdiğimizden, iletkenlik değişimi çok daha kademeli ve çok daha kontrol edilebilir.”
Cihazların daha iyi davranmasına ek olarak, katmanlı yapı, Lu’nun ekibinin, paylaşılmış lityum iyonları aracılığıyla birden fazla memtransistörü birbirine bağlamasını mümkün kıldı ve beyinlerde de bulunan bir tür bağlantı yarattı. Tek bir nöronun dendriti veya onun sinyal alıcı ucu, onu diğer nöronların sinyalleşme kollarına bağlayan birkaç sinapsa sahip olabilir. Lu, lityum iyonlarının mevcudiyetini sinapsların büyümesini sağlayan bir protein ile karşılaştırır.
Bir sinapsın büyümesi plastisite ile ilişkili proteinler olarak adlandırılan bu proteinleri serbest bırakırsa, yakındaki diğer sinapslar da büyüyebilir, bu işbirliği demektir. Nörobilimciler, sinapslar arasındaki işbirliğinin, onlarca yıldır süren canlı hatıralar oluşturmaya ve örneğin anneannenin evini hatırlatan bir koku gibi, çağrışımsal anılar yaratmaya yardımcı olduğunu ileri sürmüşlerdir. Protein azsa, bir sinaps diğerinin pahasına büyüyecektir. Bu yarışma, beyinlerimizin bağlantılarını ayrıştırır ve onları sinyallerle patlatmaktan korur.
Lu’nun ekibi bu fenomenleri doğrudan hafızaya alma cihazlarını kullanarak gösterebildi. Yarışma senaryosunda, lityum iyonları cihazın bir tarafından uzaklaştırıldı. Lityum iyonları olan taraf, büyümeyi canlandıran iletkenliğini artırdı ve küçük lityum ile cihazın iletkenliğini engelledi.
Bir işbirliği senaryosunda, lityum iyonlarını değiştirebilen dört cihazla bir memtransistör ağı kurdular ve daha sonra bir aygıttan diğer cihazlara bazı lityum iyonlarını sifonladılar. Bu durumda, lityum donörü sadece iletkenliğini arttırmakla kalmadı aynı zamanda diğer üç cihazın sinyalleri güçlü olmasa da iletkenliği arttı.
Lu’nun ekibi şu anda beyin devrelerini taklit eden nöromorfik bilgi işlem potansiyellerini araştırmak için bu gibi hatırlatma ağları kuruyor…
