Резервуарные вычисления (RC) решают сложные проблемы, имитируя способ обработки информации мозгом животных. Он полагается на случайно подключенную сеть, которая действует как резервуар информации и в конечном итоге приводит к более эффективным результатам. Для достижения RC непосредственно в материале (вместо моделирования на цифровом компьютере) до сих пор были исследованы несколько материалов резервуаров. Теперь команда, в которую входят исследователи из Университета Осаки, разработала сеть сульфированного полианилина для RC.
Нейронные сети в мозге используют электрохимические сигналы, переносимые ионами. Следовательно, электрохимический подход является логичным выбором при выборе системы материалов для RC. Транзисторы с органическим электрохимическим эффектом (OECFET) популярны в биоэлектронике; Однако в RC он пока не получил широкого распространения.
Ключом к материалу резервуара является его богатое (зависящее от времени) и неструктурированное поведение, что делает полимерные материалы отличным выбором, поскольку они сами образуют случайные сети.
Полианилин является многообещающим полимером для RC-приложений, поскольку он легко полимеризуется, имеет хорошую стабильность в атмосфере и имеет обратимые свойства легирования / удаления легирования, что означает, что его проводимость можно изменять.
Исследователи исследовали сульфированный полианилин (SPAN), который, помимо преимуществ полианилина, обладает высокой растворимостью в воде и самодопирующими свойствами. Это упрощает использование SPAN и делает стероиды более последовательными.
«Атмосферные протоны непосредственно впрыскиваются в полимерную цепь SPAN, вызывая это, — объясняет ведущий автор исследования Юки Усами. «Эту проводимость затем можно контролировать, регулируя влажность».
Исследователи использовали простой капельный метод для сборки SPAN на золотых электродах, чтобы получить устройство с органической электрохимической сетью (OEND).
SPAN OEND для RC был протестирован путем изучения формы сигнала и оценки его производительности при выполнении задач краткосрочной памяти. Результаты тестирования, чтобы увидеть, насколько хорошо распознавание речи достигло точности до 70%. Возможности SPAN OEND были сопоставимы с программным моделированием RC.
«Мы показали, что нашу систему SPAN OEND можно применять в RC», — говорит автор исследования Такуя Мацумото. «Дальнейшие шаги по созданию систем, не зависящих от влажности, предоставят более практичные варианты; однако успех нашей системы на основе SPAN является положительным шагом для расчета резервуаров на основе материалов, что, как ожидается, окажет значительное влияние на следующие поколение устройств AI ».
Источник рассказа:
Материалы Представление о Осакский университет. Примечание. Содержимое можно изменять в зависимости от стиля и длины.
«Главный евангелист пива. Первопроходец в области кофе на протяжении всей жизни. Сертифицированный защитник Твиттера. Интернетоголик. Практикующий путешественник».
More Stories
Туман встречает Соломоновы горы
Ученые обнаружили удивительную эффективность «хаотичных» суперконденсаторов
Мягкие роботизированные нервные манжеты могут совершить революцию в лечении неврологических заболеваний