科学家研究如何使用仿生材料设计下一代神经形态计算机

田纳西大学研究团队研究如何使用仿生材料设计下一代神经形态计算机，研究结果最近发表在美国国家科学院院刊上，可能对边缘计算和人类健康产生重大影响。?

使用涂有脂质的水滴形成的纯脂质膜表现出与学习和记忆相关的长期增强作用或 LTP，模拟在哺乳动物和鸟类大脑中观察到的海马 LTP。

ORNL 和 UT 的科学家发现人造细胞膜能够长期增强或 LTP，这是生物学习和记忆的标志。这是第一个证据表明，单独的细胞膜——没有嵌入其中的蛋白质或其他生物分子——能够产生持续数小时的 LTP。它也是第一个确定的可以对记忆进行编码的纳米级结构。

纳米级系统中的编码内存有可能推动下一代计算材料和架构的发展，这些材料和架构寻求与人类认知的效率和灵活性相匹配——称为神经形态计算。虽然对人工智能的影响可能是显而易见的，但类脑计算也将显着改变下一代设备的能源效率和计算能力。

即使是今天的超级计算机也有单独的处理和内存位置。通过合并这些功能，神经形态计算机可以帮助跟上呈指数增长的数据集的步伐，这些数据集随着物联网或 IoT 变得越来越复杂，并且设备的互连性在家庭和工作空间中变得司空见惯。它还将极大地推进边缘计算，即设备在数据收集站点执行自己的逻辑的能力，而无需将信息发送到中央服务器或云。

此外，科学家们尚未确定大脑中存储记忆的纳米级结构。众所周知，大脑的大部分区域（例如海马体）都可以储存记忆，但关于记忆在海马体中储存的位置以及负责储存记忆的分子机制仍有很多未知之处。重要的是，细胞膜作为可以编码信息的结构一直被忽视，尽管脂质是细胞膜的主要成分，构成了大脑的大部分。

在纯脂质膜中实现 LTP 的意外结果将引发对记忆在活体大脑中存储位置和方式的重新检查。如果发现神经细胞膜是人类记忆的一个关键特征，这可能会为全世界超过 10 亿患有神经系统疾病的人带来新的治疗方法。

本研究中使用的纳米级系统通过将油悬浮液中的两个微米大小的脂质涂层水滴聚集在一起来创建人造膜。在两个液滴之间的界面处，形成了一个脂质双层，它模仿人脑中神经元突触的细胞膜。?

之前的 ORNL 研究?表明，这种生物膜系统能够储存电荷，但只能储存很短的时间。在这项新研究中，LTP 的存在意味着这种软材料系统如何用于神经形态设备或如何作为构建具有类似特征的固态设备的模型有了新的途径。?

除了与神经生物学家合作探索这一发现的生物医学意义外，未来在生物膜系统上的神经形态计算工作将涉及模拟和使用 ORNL 在中子和计算方面的领先设施。

该研究得到了美国能源部科学办公室的支持。数据收集和分析在 CNMS 进行，而所有样本均在位于 ORNL 的田纳西大学 Shull Wollan 中心制备。找有价值的信息，请记住Byteclicks.com

版权声明：除特殊说明外，本站所有文章均为 字节点击 原创内容，采用 BY-NC-SA 知识共享协议。原文链接：https://byteclicks.com/45552.html 转载时请以链接形式标明本文地址。转载本站内容不得用于任何商业目的。本站转载内容版权归原作者所有，文章内容仅代表作者独立观点，不代表字节点击立场。报道中出现的商标、图像版权及专利和其他版权所有的信息属于其合法持有人，只供传递信息之用，非商务用途。如有侵权，请联系 gavin@byteclicks.com。我们将协调给予处理。

赞