想象未来计算机不再依靠电子流处理信息，而是借助在盐水中流动的水合离子，这一系统模仿大脑的计算方式。这个新兴领域被称为离子电子学，是离子与电子的合成词。随着研究人员受动物神经系统启发，设计出由纳米级电解质溶液驱动的神经形态计算设备，该领域正迅速发展。自20世纪70年代蔡少棠引入记忆电阻器或">想象未来计算机不再依靠电子流处理信息，而是借助在盐水中流动的水合离子，这一系统模仿大脑的计算方式。这个新兴领域被称为离子电子学，是离子与电子的合成词。随着研究人员受动物神经系统启发，设计出由纳米级电解质溶液驱动的神经形态计算设备，该领域正迅速发展。自20世纪70年代蔡少棠引入记忆电阻器或">想象未来计算机不再依靠电子流处理信息，而是借助在盐水中流动的水合离子，这一系统模仿大脑的计算方式。这个新兴领域被称为离子电子学，是离子与电子的合成词。随着研究人员受动物神经系统启发，设计出由纳米级电解质溶液驱动的神经形态计算设备，该领域正迅速发展。自20世纪70年代蔡少棠引入记忆电阻器或 “忆阻器” 以来，这些组件就被视为神经形态计算的革命性基石。忆阻器的电阻取决于断电前通过它的电流，提供了一种存储信息的方式。与固态忆阻器不同，流体忆阻器在可扩展性以及与电路的集成方面仍面临挑战。西班牙瓦伦西亚大学的帕特里西奥·拉米雷斯及其同事的一项研究，最近朝着可扩展版本迈出了初步一步。研究人员证明，基于含有锥形纳米孔的膜的纳米流体忆阻器，可组成功能电路。通过将膜串联和并联排列，他们展示了如何操纵突触权重（即电导），以呈现类似大脑的特性，用于未来的逻辑和流体神经形态系统。
在生物系统中，神经元通过电压尖峰进行通信，这些尖峰触发离子跨细胞膜通道的流动。这一过程启发了先前对人工纳米孔的设计，以复制生物离子运输的某些方面。锥形纳米孔能够实现电压驱动的离子运输，离子优先从狭窄的 “尖端” 移动到较宽的 “底部”，产生一种单向阀效应，称为离子整流。这些锥形孔本质上就像纳米流体二极管。先前的实验研究和最近的理论工作表明，此类系统中的电流 – 电压特性可呈现滞后现象，这是忆阻行为的关键特征。这种滞后现象，即电导取决于离子电流的历史，使突触具有增强和抑制等功能，这些可塑性元素对类似大脑的计算至关重要。然而，流体电路尚未得到验证。拉米雷斯及其同事提出了一个概念简单却有效的想法来解决这个问题：使用以不同方式连接的相同膜，作为离子电路的构建块。
这些膜是在德国GSI亥姆霍兹重离子研究中心，通过离子径迹蚀刻制造出密集的锥形纳米孔阵列。研究人员将一张膜置于电化学电池的两个电极之间，测量其电导。他们改变电池两端的电压以及电压变化的速率，并测量由此产生的电流。电流 – 电压响应形成了清晰的滞后回线，这意味着膜的电导不仅取决于瞬时电压，还取决于施加偏压的历史，这是记忆的标志。研究人员接下来探索这些膜在不同连接配置下的行为。首先，他们将两张膜串联排列，方向相同（孔从尖端到底部对齐）。在暴露于一系列电压尖峰后，系统保留了初始的滞后现象，并表现出电导逐渐增加，在神经学中这种连接的强化被称为增强。接下来，他们翻转其中一张膜，使孔的方向相反（孔尖端对尖端对齐）。这次，在暴露于电压尖峰时，整流消失了，膜不再像离子流的单向阀。电压尖峰 “上升” 和 “下降” 部分的电流响应相同，在零电压时两种方向都有电流流动。虽然这些膜配置的滞后回线不同，但它们的起源仍然在于不对称的离子运输：即使在这种串联排列中，离子也总是优先从尖端移动到底部。
在并联配置中，情况变得更加有趣。当膜以相反方向排列（即 “反平行” 设置）时，电流 – 电压关系形成了罕见的三回路滞后。在这里，膜的电导在接近零电压时增加，但在远高于或低于零的电压下变得更具电感特性。这种复杂性反映了纳米流体系统中电容和电感记忆效应的综合影响。为了研究这种阻抗效应，该团队使用了阻抗光谱学中常见的方法来分析电路行为。此类系统中的电容应源于界面处的双电层。但观察到的电感行为更令人惊讶，并且在流体系统中很少被讨论。这种电感的物理起源在于锥形纳米孔内离子的积累和耗尽。施加电压会使离子集中在尖端，产生非平衡状态。当电压移除时，熵能驱使这些离子再次从纳米孔中扩散出来，产生延迟的、依赖历史的电流 – 电压响应。耗尽后，表面电荷会将离子吸引回孔中，产生类似的滞后。这些动态的、能量恢复过程模仿了电路中的电感。离子电感本质上是易失性的：一旦外部偏压移除，离子最终会松弛到平衡状态。尽管如此，降低受限环境中的离子扩散系数，为延长记忆保留时间提供了一种手段。
尽管这些平行纳米孔膜再现了一些被认为是生物信息处理基础的动力学，但大脑中的流体电路在三维空间中高度集成。用可扩展且可靠的流体神经形态系统复制这种复杂性，仍然是一个长期挑战。然而，拉米雷斯及其同事提供了令人信服的原理证明：使用简单的膜排列可以实现基本的电路功能，如整流、记忆和信号调制。尽管如此，关键障碍仍然存在，包括设备的可扩展性、集成以及与电子组件的高效接口，还有确保忆阻行为的长期耐久性和可重复性。尽管如此，这项工作标志着有意义的进步，表明流体系统可能逐渐发展成为神经形态计算的实用平台。