流体化学系统可以模拟大脑储存记忆的方式

大脑通常被视为软物质化学计算机，但它处理信息的方式与传统的硅电路非常不同。现在有三个小组描述了能够存储信息的化学系统，其方式类似于神经元在突触连接处相互通信的方式。这种“神经形态”设备可以提供非常低功耗的计算，并充当传统电子设备和“湿”化学系统之间的接口，可能包括神经元和其他活细胞本身。

在突触中，沿着神经元传递的电脉冲或动作电位会触发神经递质分子的释放，这些递质分子将连接到下一个神经元，通过使第二个神经元或多或少地产生自己的动作电位来改变其状态。如果一个神经元反复影响另一个神经元，它们之间的联系可能会加强。这就是信息如何被认为成为记忆的过程，这个过程被称为Hebbian学习。突触根据输入信号调整连通性的能力被称为可塑性，在神经网络中，这种能力通常发生在两个时间尺度上。短期可塑性(STP)创造了快速消退的连接模式，用于过滤和处理感官信号，而长期可塑性(LTP，也称为长期增强作用)则烙印了更长久的记忆。这两种生物过程仍未被完全理解。

显示这种学习行为的神经形态电路以前是用被称为忆阻器的固态电子设备开发出来的，在这种设备中，通过的电流和施加的电压之间的关系取决于之前通过的电荷。记忆电阻器即使在没有电源的情况下也可以保持这种记忆——它们是“非易失性的”——这意味着神经形态电路可以潜在地以非常低的功耗处理信息，这是我们的大脑在不过热的情况下运行的关键特征。通常，忆阻器的行为表现为回路上的电流-电压关系，响应取决于电压是增加还是减少:一种称为迟滞的特性，它本身代表一种存储器，因为设备的行为取决于它的历史。

流体认为

Lyderic Bocquet巴黎师范学院Supérieure的教授和同事，¹和独立萍玉中国科学院北京化学研究所的研究员和同事们，²现在已经制造出利用离子水溶液工作的忆阻器。他们不是第一个这样做的人，^3、4但这种新设备在低电压下工作，并显示出全面的记忆效果，真正模仿了神经元的可塑性和学习功能。

在Bocquet及其同事的装置中，溶液流经由原子光滑的二硫化钼薄片或只有几纳米宽的活性炭制成的狭缝状纳米通道，并在其壁上施加电压。薄片放在氮化硅膜上，氮化硅膜上有一个微小的小孔，盐溶液通过这个小孔。通过狭缝的离子电流以高度非线性的方式依赖于施加的电压，从而提供了忆阻行为——Bocquet和他的同事之前在原理上展示了这种可能性，但没有制造工作器件。⁵

研究人员将这种行为归因于有限空间中离子之间的相互作用，或者是离子在各个方向上传递方式的不对称，这取决于所使用的设备类型。如果对活性炭装置施加持续仅10秒的电压“写入”脉冲，其离子电导最初会增加，然后在不到两分钟内迅速衰减。它不会衰减到原来的水平，而是达到一个更高的平台，在那里它可能会停留几个小时。因此，该装置在响应一种人工动作电位时具有短期和长期的可塑性。Bocquet和他的同事们用这种行为来证明Hebbian学习，只有当到达设备两端的两组脉冲以正确的顺序相关时，电导才会改变，模仿突触上的两个神经元“在一起放电时连接在一起”时发生的学习。

在Yu和同事的纳米流控装置中，离子溶液通过纳米微粒的圆口，纳米微粒的壁上附着着聚合物聚咪唑链。这些带正电的链可以结合溶液中的负离子，吸附的动力学再次创造了一个滞回响应，可以用来存储短期记忆。“短期可塑性源于我们设备中依赖历史的离子分布，”Yu说。因为这里的吸附依赖于离子和聚合物的化学相互作用，记忆特性可以通过调整系统的化学性质来改变。在一个例子中，研究人员表明，记忆效应在与生理液体类似的离子溶液中持续存在，但通过添加“能量生物分子”三磷酸腺苷(ATP)而改变。这说明了与生物系统交互和“对话”的能力。他们还展示了化学信号——阴离子浓度的变化——是如何转化为电反应的，模拟了突触上神经递质的激活神经元的过程。

存储容量

这种生物相容性可能在神经形态记忆效应中更为明显帕特里克·科利尔田纳西州橡树岭国家实验室的研究员和同事。⁷在他们早期工作的基础上，^3、6研究人员现在证明了两者都是短期的⁶和长期⁷两个几百微米宽的盐水溶液液滴系统的可塑性，表面涂有一层脂质表面活性剂并悬浮在有机溶剂中。当接触时，液滴粘在一起，在界面处形成脂质双分子层，就像细胞膜一样。他们发现，由于双分子层中脂质分子和离子的重排，细胞膜上的电容也表现出迟滞和可塑性。因此，这些电路的作用与其说是记忆电阻器，不如说是记忆电容器:它们储存和释放的电荷依赖于过去，在某种程度上模仿了短期可塑性。考虑到脑组织的干重约50%是脂膜，研究人员认为，这种记忆效应甚至可能在生物神经网络中发挥作用也不是不可想象的。

“短期和长期可塑性对于赋予神经网络不同水平的计算和记忆都很重要，”他说Timothee利他是波尔多大学神经形态计算方面的专家。他说，虽然像这样的化学系统比固态设备(如硅)运行得慢，但它们可能在更低的功率水平下运行。他说:“流体装置可以非常高效和可扩展，可能是神经形态系统的未来。”

毕竟，Bocquet说，大脑工作所消耗的能量相当于一天两根香蕉:远远少于传统的计算机。但生物物理学家约瑟夫Najem宾夕法尼亚州立大学的教授警告说，电流忆阻器器件“在功耗方面与硅电路没有任何优势——当它们在低电压(约2V)下工作，产生低电流(纳安培)时，它们的功耗不会与硅电路相差太远”。Najem说，它们真正的优势可能在于与生物系统的连接。

波凯说:“大脑使用离子和水来进行计算，而不是电子，这是非常了不起的。”他认为，新设备提供了“一个深入研究离子计算并真正研究其性能的机会”。他补充说，下一步是创建这些设备的网络——或者将它们与真正的神经元连接起来。于也有同样的目标。他说:“我们希望这些设备不仅能读取和处理来自神经元的化学信息，还能将刺激传递给真正的神经元来控制它们。”