用于类脑计算的受限水凝胶流体忆阻器交叉阵列

为什么柔软、多水性的芯片很重要

当今大多数计算机由硬质硅和电子流构成，这与人脑那种柔软、潮湿的网络迥然不同。本研究展示了由凝胶和流动离子构成的芯片如何模拟某些类脑功能，暗示未来设备可能更节能，并能直接感知并对周围化学物质做出响应。

把大脑的启发变成柔性器件

大脑使用带电原子通过类凝胶的神经连接来处理信息。受此启发，研究者在一层塑料片的微观孔中将两种柔软的水凝胶连接，制成一种称为流体忆阻器的微小电元件。一种凝胶带固定正电荷并吸引负离子，而另一种为中性并含有稀盐溶液。在两种凝胶接触的地方，离子会随施加电压缓慢堆积或流失，从而使该器件以电阻变化的形式对过去的信号保有内在记忆。

凝胶界面如何记住信号

通过对单个孔施加电压扫描，团队观察到一种环形的电流响应特征，表明存在真正的记忆行为。计算机模型表明，该响应源于离子在狭窄凝胶界面处随时间的聚集或耗尽。在一个电压方向下，负离子会涌向界面并随后溢入中性凝胶，使通路更易导电；在相反方向则被拉走，导致导通变差。由于这种重排需要时间才能稳定，器件会将近期脉冲“记住”为传导率的暂时变化，类似于生物突触在活动后暂时增强或减弱的现象。

模仿神经连接中的学习

接着，研究者用短电压脉冲驱动器件，以模拟神经尖峰。成对的、间隔较近的负脉冲使第二次响应增强，这种行为称为促进；而正脉冲则使第二次响应减弱，类似真实突触中的抑制。不同频率、次数和宽度的脉冲序列产生了渐进的电导变化，表明器件能在时间上滤波并存储多级权重。其工作电压在毫伏级，单脉冲能耗为皮焦级，远低于典型的固态电路，并且能可靠地多次切换，这对实际计算任务至关重要。

从单个孔到可“思考”的网格

由于水凝胶易于原位打印和固化，团队通过在柔性聚酰亚胺上钻出规则的锥形孔网格并在每个孔中填充两层凝胶堆栈，构建了完整的交叉阵列。一个小型的3 × 3阵列在各个位置表现一致，而更大的10 × 10阵列达到了94%的有效产出，表明这种柔性受限设计具有良好可扩展性。该阵列还可直接对化学物质做出反应：生物燃料分子ATP渗入带电凝胶并与之结合，降低其电荷，从而削弱忆阻效应并加速储存态的丧失，实际上通过化学手段调节类突触行为。

让柔性硬件识别数字

为测试真实信息处理能力，作者将该阵列用作一种称为储备计算的机器学习方法的动态核心。代表黑白数字图像行的电压脉冲模式被送入选定孔隙，随后读取得到的电导值并输入一个简单的软件层以完成最终分类。采用此方案，系统能正确识别计算机生成的数字模式，并在常用的人工智能基准MNIST手写数字上达到89.5%的准确率，表明适度规模的基于离子的阵列能够处理非平凡的识别任务。

这对未来柔性计算机意味着什么

这项工作证明可以构建并使用大型有序的柔性流体忆阻器网格来进行类脑计算，同时还能直接对化学信号作出反应。尽管仍存在诸如长期稳定性和实现更永久记忆形式等挑战，受限水凝胶方法指向了未来用离子而非电子进行计算的芯片，未来或可在柔性、类组织的硬件中将传感、化学和低功耗智能融合。

引用: 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

关键词: 流体忆阻器, 水凝胶电子学, 类脑计算, 基于离子的计算, 储备计算