[論文レビュー] Long-term memory and synapse-like dynamics in two-dimensional nanofluidic channels

Paul Robin, Theo Emmerich+9 more|arXiv (Cornell University)|May 16, 2022

Nanopore and Nanochannel Transport Studies参考文献 3被引用数 8

ひとこと要約

本研究では、水酸化物イオンを用いた2次元ナノフラッドチャネルにおいて、界面プロセス（イオン自己集合や表面吸着など）に起因するイオン輸送のメムリスティブ行動により、長期記憶およびシナプス様ダイナミクスを実証した。著者らは、純粋なMoS₂および活性化炭素チャネルの両方でナノフラッドメムリスターを実験的に実現し、記憶保持時間を数分から数時間にまで達成した。さらに、ヘブ型学習を成功裏に実装し、水酸化物イオンを用いたチップ上でバイオミメティックなニューロモーフィックコンピューティングを実現した。

ABSTRACT

Fine-tuned ion transport across nanoscale pores is key to many biological processes such as neurotransmission. Recent advances have enabled the confinement of water and ions to two dimensions, unveiling transport properties unreachable at larger scales and triggering hopes to reproduce the ionic machinery of biological systems. Here we report experiments demonstrating the emergence of memory in the transport of aqueous electrolytes across (sub)nanoscale channels. We unveiled two types of nanofluidic memristors, depending on channel material and confinement, with memory from minutes to hours. We explained how large timescales could emerge from interfacial processes like ionic self-assembly or surface adsorption. Such behavior allowed us to implement Hebbian learning with nanofluidic systems. This result lays the ground for biomimetic computations on aqueous electrolytic chips.

研究の動機と目的

• 2次元ナノフラッドチャネルが水酸化物イオン中で長期記憶およびシナプス様ダイナミクスを示すかどうかを調査すること。
• ナノスケールイオン系における長時間スケール記憶効果の背後にある物理的メカニズムを解明すること。
• イオン伝導度のヒステリシスを用いて、ナノフラッド系にヘブ型学習ルールを実装可能かどうかを実証すること。
• 生物学的シナプス機能を模倣し、水とイオンをキャリアとして用いることで、バイオミメティックなニューロモーフィックコンピューティングのためのプラットフォームを構築すること。
• 安定的かつ長寿命のメムリスティブ行動を水環境で実現することで、ナノフラッドとニューロモーフィック工学の橋渡しをすること。

提案手法

• 純粋なMoS₂（原子的に滑らかで、精密に調整可能な間隔：0.68–86 nm）および活性化炭素チャネル（電子ビームエッチングで形成された溝：4–13 nmの深さ）の2種類の2次元ナノチャネルを加工した。
• SiNₓ膜を用いてチャネルを支持し、チャネル両端に電圧バイアスを印加して電気的測定を可能にした。
• 周期的な三角波電圧（周波数～8 mHz）を印加し、イオン輸送を誘発し、電流-電圧（I-V）および伝導度-電圧（G-V）ヒステリシスループを測定した。
• 系の伝導度が印加電圧の履歴に依存することから、メムリスティブ行動を評価した。
• 長時間スケール記憶効果の原因として、イオン自己集合や表面吸着などの界面プロセスを調査した。
• 理論的モデルを構築し、表面電荷の変化やイオンの蓄積といった緩やかな界面ダイナミクスから長時間記憶が生じることを説明した。

実験結果

リサーチクエスチョン

• RQ1 2次元ナノフラッドチャネルに水酸化物イオンを用いた場合、イオン伝導度に長期記憶が現れるか？
• RQ2 ナノスケールイオン系に現れる長時間スケール記憶の背後にある物理的メカニズムは何か？
• RQ3 ナノフラッド系は、生物学的シナプス可塑性の原則に従うヘブ型学習を模倣できるか？
• RQ4 表面特性（例：純粋なMoS₂対活性化炭素）は、記憶およびメムリスティブ行動にどのように影響を与えるか？
• RQ5 2次元チャネル内での水酸化物イオン輸送は、ニューロモーフィックコンピューティングの実用的プラットフォームとして成立するか？

主な発見

• 純粋なMoS₂ナノチャネルは、1.23 V未満の低電圧バイアス下で、水の電解を回避しながらも、伝導度ヒステリシスを示し、メムリスティブ行動を示した。
• 活性化炭素チャネルは、顕著に強い表面電荷を示し、記憶保持時間が著しく延び、伝導度ヒステリシスが最大数時間にわたり持続した。
• 記憶寿命はチャネル材料および閉じ込め効果に依存し、数分から数時間にわたり、活性化炭素チャネルで最も長い記憶が観測された。
• 長期記憶の原因は、バルクイオン拡散ではなく、イオン自己集合や表面吸着といった緩やかな界面プロセスに起因するとされた。
• ヘブ型学習が成功裏に実装された：前シナプスおよび後シナプスに類似した電圧パルスが相関して印加されると、伝導度が持続的に増加し、シナプス強化を模倣した。
• 理論的モデリングにより、界面での表面電荷ダイナミクスおよびイオン蓄積が、観測された長時間スケールを説明できることを確認した。実験観察と整合的であった。