O cérebro humano alcança uma eficiência notável em aprendizado e memória ao regular precisamente o fluxo iônico através de canais de proteína em nanoescala. Inspirados por esse princípio, apresentamos membranas de interface de gotícula incorporando canais iônicos como sinapses artificiais para computação neuromórfica. Nesta plataforma, gotículas aquosas são conectadas por bicamadas lipídicas embutidas com canais iônicos, criando sinapses iônicas mínimas, mas funcionais. Esses dispositivos exibem transporte iônico memristivo com características de corrente-voltagem histeréticas, originando da interação entre a dinâmica de canais dependente de voltagem e a condução iônica. Além da plasticidade sináptica fundamental, eles reproduzem funções de ordem superior, incluindo memória de curto prazo e aprendizado associativo. Aproveitando essas capacidades, implementamos computação de reservatório com sinapses baseadas em gotículas, demonstrando classificação precisa de dígitos manuscritos e jogabilidade adaptativa de jogo da velha a baixo custo de energia. Finalmente, mostramos que elementos sinaptomiméticos de canais iônicos de gotículas podem ser escalados em redes com potenciais aplicações em sensoriamento neuromórfico. Juntos, esses resultados estabelecem membranas de gotículas com canais iônicos como uma plataforma escalável, suave e biomimética para computação neuromórfica de próxima geração.
Li et al. (Sun,) estudaram essa questão.