Feedback-neuronen gebaseerd op perovskiet-memristor met nikkel enkele-atomen-geëngineerde gereduceerde grafeenoxide-kathode

Hersengeïnspireerde chips voor slimere machines

Moderne computers zijn snel maar verrassend inefficiënt in taken die onze hersenen moeiteloos uitvoeren, zoals het herkennen van een bloem of het plannen van een efficiënte route door meerdere steden. Dit artikel beschrijft een nieuw soort elektronische component die zich meer gedraagt als een echte neuron in de hersenen en zowel "ga"- als "stop"-signalen in één klein apparaat afhandelt. Door materialen op het niveau van enkele atomen zorgvuldig te ontwerpen, creëren de onderzoekers kunstmatige neuronen die patronen kunnen leren en complexe optimalisatieproblemen kunnen oplossen met veel minder hardware dan de processors van vandaag.

Waarom we nieuwe soorten neuronen in hardware nodig hebben

Biologische neuronen jongleren voortdurend met twee soorten signalen: exciterende signalen die ze naar vuren duwen, en inhiberende signalen die ze tegenhouden. De balans daartussen is cruciaal voor stabiel denken, waarneming en besluitvorming. Een speciale klasse, feedback-neuronen, mengt binnenkomende "voorwaartse" signalen met "achterwaartse" inhiberende signalen, waardoor gedrag zoals competitie tussen neuronen en winner-take-all-beslissingen mogelijk wordt, waarbij alleen de sterkste respons overblijft. Het nabootsen van dit dubbele, fijn afgewogen gedrag in elektronica is moeilijk geweest. De meeste bestaande memristor-apparaten, die hun elektrische geschiedenis onthouden, geleiden stroom voornamelijk in één richting en relaxeren te snel, waardoor ze geen goede vervangers zijn voor neuronen die signalen over milliseconden moeten integreren.

Een slimmer elektronisch apparaat bouwen

Het team pakt deze beperkingen aan met een memristor op perovskietbasis — een apparaat waarvan de geleidbaarheid geleidelijk kan veranderen — gecombineerd met een ongebruikelijke kathode gemaakt van gereduceerde grafeenoxide gedecoreerd met geïsoleerde nikkelatomen. Deze laag met nikkel-eenkelatomen is niet slechts een passief contact. Ten eerste stemt het de energielandschap aan het interface af zodat elektronen meer symmetrisch in beide richtingen kunnen stromen, wat gebalanceerd exciterend en inhiberend gedrag ondersteunt. Ten tweede verhoogt het de energiebarrière voor iodide-ionen die in de elektrode bewegen. In plaats van vrij te racen, worden ionen gedeeltelijk opgesloten en bewegen ze langzamer en reversibel. Deze gecontroleerde beweging verlengt het "geheugen" van het apparaat voor eerdere signalen naar het biologisch relevante milliseconde-bereik zonder omvangrijke externe condensatoren.

Hoe atomair ontwerp gedrag vormt

Met geavanceerde microscopie en spectroscopie bevestigen de onderzoekers dat nikkelatomen individueel verankerd zijn aan zuurstofplaatsen binnen de grafeen-gebaseerde laag in plaats van samen te klonteren tot deeltjes. Computersimulaties tonen aan dat deze atomaire ordening de elektronische energieniveaus van het koolstofblad verschuift, waardoor het meer metallisch wordt en beter aansluit op het onderliggende perovskiet. Tegelijkertijd laten berekeningen een hogere diffusiebarrière voor iodide-ionen zien wanneer nikkel aanwezig is. Experimenteel kunnen apparaten met deze ontworpen kathode soepel door ongeveer 1.000 distincte geleidbaarheidsniveaus stappen en tonen ze bijna spiegel-symmetrische responsen voor positieve en negatieve spanningssweeps. Hun stroom neemt na stimulatie af over ongeveer 780 milliseconden — een tijdschaal die dicht bij die van echte zenuwcellen ligt — waardoor het apparaat trouw leaky integrate-and-fire-dynamica kan nabootsen.

Van enkel apparaat naar lerend netwerk

Door deze memristors met op maat gemaakte spanningspulsen aan te sturen, toont het team aan dat één enkel apparaat als feedback-neuron kan fungeren: het sommeert binnenkomende pulsen, vuurt wanneer de stroom een drempel overschrijdt en lekt daarna langzaam terug naar de rusttoestand. Negatieve pulsen onderdrukken de geleidbaarheid en bieden een elektronische vorm van inhibitie. Netwerken van deze neuronen zijn gerangschikt in crossbar-arrays en gekoppeld aan eenvoudige stuur-elektronica op basis van field-programmable gate arrays. In één demonstratie voert het systeem onbewaakt competitief leren uit op bloemgegevens en clustert drie soorten bloemen op basis van gemeten kenmerken, waarbij elke neuron zich specialiseert in een bepaald type. In een andere test gebruikt een cooperatief leerschema gebaseerd op een self-organizing map hetzelfde type neuronen om het travelling-salesman-probleem op te lossen, een klassieke uitdaging in logistiek, en convergeert naar efficiënte routes tot wel zes keer sneller dan een standaard simulated annealing-algoritme.

Wat dit betekent voor toekomstige computing

In eenvoudige bewoordingen laat dit werk zien dat we steeds beter elektronische componenten kunnen bouwen die zich gedragen als kleine, instelbare hersencellen in plaats van eenvoudige aan-uit-schakelaars. Door enkele nikkelatomen precies op de juiste plekken binnen een grafeen-gebaseerde laag te plaatsen, krijgen de auteurs precieze controle over zowel elektronen als ionen, wat resulteert in een apparaat dat kan exciteren, inhiberen en langzaam vergeten op een hersenachtige manier. Deze kunstmatige feedback-neuronen kunnen dicht op elkaar worden geplaatst, vereisen weinig ondersteunende schakelingen en verwerken al realistische leertaken en optimalisatieproblemen. Naarmate zulke apparaten verder verbeteren, kunnen ze de basis vormen van compacte, energiezuinige hardware die de huidige energievretende digitale processors aanvult of zelfs vervangt in toepassingen van patroonherkenning tot slim plannen.

Bronvermelding: Li, QX., Li, HX., Sun, T. et al. Feedback neurons based on perovskite memristor with nickel single-atom engineered reduced graphene oxide cathode. Nat Commun 17, 3085 (2026). https://doi.org/10.1038/s41467-026-69805-2

Trefwoorden: neuromorfe computing, memristor, perovskietapparaten, grafeen-elektronica, hardware-leren