Array a crociera di memristori fluidici in idrogel confinato per il calcolo neuromorfico

Perché conta un chip morbido e acquoso

La maggior parte dei computer odierni è costruita con silicio rigido e flussi di elettroni, molto diversa dalle reti morbide e umide del cervello umano. Questo studio mostra come un chip fatto di gel e ioni in movimento possa imitare alcune capacità simili al cervello, suggerendo dispositivi futuri più efficienti dal punto di vista energetico e in grado di rilevare e rispondere direttamente a sostanze chimiche nell’ambiente.

Trasformare l’ispirazione biologica in un dispositivo morbido

Il cervello elabora informazioni usando atomi carichi che si muovono attraverso connessioni gel-like tra le cellule nervose. Ispirati a ciò, i ricercatori hanno creato un piccolo componente elettrico chiamato memristore fluidico usando due idrogel morbidi accoppiati all’interno di un poro microscopico in una pellicola plastica. Un gel porta cariche positive fisse e attrae ioni negativi, mentre l’altro è neutro e contiene una soluzione salina diluita. Dove i due gel si toccano, gli ioni possono lentamente accumularsi o defluire a seconda della tensione applicata, conferendo al dispositivo una memoria dei segnali passati sotto forma di resistenza elettrica variabile.

Come l’interfaccia gel ricorda i segnali

Scandendo la tensione attraverso un singolo poro, il team ha osservato una risposta di corrente a forma di ciclo che segnala un vero comportamento di memoria. I modelli al computer hanno mostrato che questa risposta deriva dall’accumulo o dalla deplezione di ioni all’interfaccia gel stretta nel tempo. In una direzione di tensione, gli ioni negativi si affrettano verso l’interfaccia e poi si riversano nel gel neutro, rendendo il percorso più conduttivo; nell’altra direzione vengono attratti via, rendendolo meno conduttivo. Poiché questo riassestamento richiede tempo per stabilizzarsi, il dispositivo “ricorda” impulsi recenti come un cambiamento temporaneo della conduttanza, molto simile a come una sinapsi biologica si rinforza o si indebolisce temporaneamente dopo l’attività.

Imitare l’apprendimento nelle connessioni nervose

I ricercatori hanno quindi pilotato i dispositivi con brevi impulsi di tensione che rappresentano i picchi nervosi. Coppie di impulsi negativi ravvicinati hanno fatto crescere la seconda risposta, un comportamento chiamato facilitazione, mentre impulsi positivi hanno ridotto la seconda risposta, simile alla depressione in una sinapsi reale. Sequenze di impulsi con frequenza, numero e larghezza differenti hanno prodotto cambiamenti graduati della conduttanza, dimostrando che il dispositivo può filtrare segnali nel tempo e immagazzinare livelli multipli di peso. Opera a tensioni di scala millivolt e con energie per impulso di ordine picojoule, molto inferiori ai circuiti a stato solido tipici, e può essere commutato ripetutamente in modo affidabile, caratteristica essenziale per compiti di calcolo pratici.

Da un poro a una griglia pensante

Poiché gli idrogel sono facili da stampare e polimerizzare in loco, il team ha costruito array a crociera completi forando griglie regolari di pori conici in poliimmide flessibile e riempiendo ciascuno con lo stack dei due gel. Un piccolo array 3 × 3 ha mostrato comportamento uniforme tra i siti, e un array più grande 10 × 10 ha raggiunto una resa operativa del 94 percento, indicando che il design morbido e confinato scala bene. L’array può anche rispondere direttamente a sostanze chimiche: la molecola biologica ATP penetra nel gel carico, si lega a esso e riduce la sua carica, il che indebolisce l’effetto memristivo e accelera la perdita degli stati immagazzinati, utilizzando di fatto la chimica per modulare il comportamento simile a una sinapsi.

Lasciare che l’hardware morbido riconosca le cifre

Per testare il processamento di informazioni reali, gli autori hanno usato l’array come nucleo dinamico di una forma di apprendimento automatico chiamata reservoir computing. Pattern di impulsi di tensione che rappresentavano righe di immagini in bianco e nero di cifre sono stati inviati in pori selezionati, e i valori di conduttanza risultanti sono stati letti in un semplice strato software che ha eseguito la classificazione finale. Con questa configurazione, il sistema ha riconosciuto correttamente pattern di cifre generate al computer e ha raggiunto l’89,5 percento di accuratezza sulle cifre manoscritte del database MNIST, un benchmark comune nell’intelligenza artificiale, mostrando che un modesto array a base di ioni può affrontare compiti di riconoscimento non banali.

Cosa significa per i futuri computer morbidi

Questo lavoro dimostra che è possibile costruire e utilizzare una grande griglia ordinata di memristori fluidici morbidi per il calcolo ispirato al cervello, reagendo al contempo direttamente a segnali chimici. Sebbene rimangano sfide, come la stabilità a lungo termine e l’ottenimento di forme di memoria più permanenti, l’approccio con idrogel confinato indica la via verso chip futuri che calcolano con ioni invece che con elettroni e potrebbero un giorno fondere sensing, chimica e intelligenza a basso consumo in hardware flessibile e simile ai tessuti.

Citazione: Guo, G., Xiong, T., Xie, B. et al. Confined-hydrogel fluidic memristor crossbar array for neuromorphic computing. Nat Commun 17, 4275 (2026). https://doi.org/10.1038/s41467-026-70728-1

Parole chiave: memristore fluidico, elettronica a idrogel, calcolo neuromorfico, calcolo a base di ioni, reservoir computing