El científico discute el desarrollo de sinapsis artificiales que imitan la función del cerebro humano para los chips de IA de próxima generación

La serie de investigadores emergentes de la revista Horizontes de materiales Cuenta con un trabajo sobresaliente de jóvenes investigadores en el campo de la ciencia de los materiales. En lo último EditorialDr. Eunho Lee, profesor asistente de ingeniería química y biomolecular en la Universidad Nacional de Ciencia y Tecnología de Seúl, República de Corea, donde lidera el laboratorio de semiconductores y dispositivos funcionales, discute y elabora sobre su documento de investigación de la Serie de Investigadores emergentes titulado «Mejora de la absorción de iones en las sinapsis artificiales a través de mecanismos de difusión facilitados«

El Dr. Lee explica: «Nuestra investigación muestra una manera simple de hacer que la próxima ola de hardware de IA sea más eficiente al mejorar los transistores orgánicos basados ​​en electrolitos, que son dispositivos suaves y de bajo voltaje que procesan señales con iones, así como electrones. Un cuento de botella de larga data ha sido la eficiencia de la dopaje: cómo las iones efectivamente pueden ingresar y dejar que el político cambie el dispositivo. y guía iones, como las ‘manijas’ moleculares y ‘carriles’, que conducen a una absorción de iones más rápida y profunda «.

Los materiales desarrollados por el Dr. Lee y su equipo apuntan a usos prácticos tanto en hardware de IA como en interfaces biológicas. En el lado de la IA, los transistores orgánicos basados ​​en electrolitos con dopaje impulsado por difusión pueden funcionar como sinapsis analógicas para coprocesadores de potencia ultral-baja en wearables, cámaras y nodos IoT, permitiendo una detección siempre encendida, preprocesamiento en sensor y aprendizaje adaptativo con energía mínima. Las mismas reglas de diseño también admiten la integración híbrida con CMOS para que las matrices de memoria analógica compactas reducen el movimiento y la latencia de los datos.

En el lado de la biología, la operación suave y amigable con los iones es muy adecuada para los ambientes de piel y tejidos, lo que sugiere interfaces bioelectrónicas estables para terapias de circuito cerrado y biosensores electroquímicos que no solo detectan biomarcadores sino que también clasifican los patrones localmente. Más allá de la salud, estos dispositivos podrían apoyar monitores ambientales para la calidad del agua y los diagnósticos de punto de atención que combinan la lectura electroquímica con un pequeño aprendizaje a bordo. En resumen, controlar el movimiento de iones a nivel molecular permite sistemas más seguros de menor voltaje que aprenden en el borde.

«In the longer term, the ability to control ion motion in soft semiconductors could reshape how and where we run AI, and how electronics touch everyday life. In five years, we may see wearable and home devices that learn locally at very low voltage, which means longer battery life, less heat, and better privacy because raw data stays on the device. Health and well-being products could move beyond simple sensing toward adaptive analysis that filters noise, recognizes patterns, and personalizes feedback En tiempo real «, comenta el Dr. Lee.

En una década, los mismos principios de materiales podrían sustentar las interfaces suaves de la máquina humana y la máquina ambiental que operan de manera confiable en condiciones húmedas o biológicas, permitiendo un seguimiento continuo de calidad del agua en comunidades y biointerfaces más seguras para la rehabilitación y las tecnologías de asistencia. Debido a que estos polímeros son procesables en la solución, también hay un camino hacia la fabricación escalable y el menor costo, lo que puede ampliar su acceso.

En general, la regla de diseño novedosa establecida por el equipo de Seoultech dirigido por el Dr. Lee, a saber, las cadenas laterales para dirigir el transporte iónico, ofrece una estrategia general para el hardware adaptativo y eficiente en la energía que complementa el silicio digital. Si es posible mantener la estabilidad y la capacidad de fabricación mientras se amplía, este enfoque podría reducir la huella de energía de la IA, mantener los datos confidenciales locales y hacer que los sistemas inteligentes sean más cómodos y más ampliamente disponibles.