AI在线 AI在线

当蘑菇学会存储记忆:香菇菌丝体打造可降解忆阻芯片,稳定运行频率达5850Hz、切换准确率90%

编辑丨%想象一台计算机,它的芯片不是硅做的,而是柔软、多孔、能降解。 甚至,它会「生长」。 这是一项颇具科幻色彩的研究:俄亥俄州立大学( Ohio State University)等的团队利用香菇的菌丝网络,制造出能记忆电信号的生物忆阻器 (bio-memristor)。
图片

编辑丨%

想象一台计算机,它的芯片不是硅做的,而是柔软、多孔、能降解。甚至,它会「生长」。

这是一项颇具科幻色彩的研究:俄亥俄州立大学( Ohio State University)等的团队利用香菇的菌丝网络,制造出能记忆电信号的生物忆阻器 (bio-memristor)。在 ±5 伏电压刺激下,它能实现稳定的「开关」切换;即使在 5850 Hz 的高频条件下,仍保持 90% 以上的记忆准确率。

换句话说,研究者让蘑菇的生命结构承担了电子元件的职能。

这项研究以「Sustainable memristors from shiitake mycelium for high-frequency bioelectronics」为题,发布在《PLOS One》。

图片

论文链接:

https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0328965

菌丝电路网络

菌丝体(mycelium)是蘑菇的「地下世界」:一根根细丝在腐木与泥土间交织成密集的导管系统,负责传递水分与养分。研究团队发现这种天然网络在干燥后仍保留导电多糖与几丁质(chitin)结构,能够形成天然的「电荷通道」。

在微观层面,菌丝细胞壁中含有氮-乙酰葡糖胺和多肽链,会在电场作用下发生离子迁移与氧化还原反应。  当电流通过时,导电路径逐步形成,阻值降低;当电流停止,部分路径断裂,阻值上升。这种「可逆的电阻变化」正是忆阻效应的核心。

图片

图 1:带有探针点的真菌样本。

研究人员将香菇菌丝培养成连续薄膜,烘干后在其两侧镀上银电极。结果显示,该有机薄膜厚度约 150 微米,能在常温空气中稳定工作,阻值变化覆盖 10⁵ 数量级。即使经过 10⁴ 次电压循环,信号仍无明显衰减——与多种无机忆阻材料相当。

让材料记住电流

忆阻器 (memristor) 是一种能「记住」电流历史的元件。其电阻随电流强度和方向而变化,并在断电后保持这种状态。这种行为与神经突触的「强化-衰退」特性极为相似,因此被视为神经形态计算的理想硬件。

而在此次实验中,香菇菌丝器件不仅能做简单的 ON-OFF 切换,还呈现出类突触学习现象:当连续电脉冲输入时,导电路径逐步固定,下一次响应更快,表现出「短时记忆 → 长期记忆」的转换。在电压 ±5 V、频率 5850 Hz 下,设备切换准确率超过 90%。

图片

图 2:有线样品。

这种样品的培育过程也更简单——毕竟与需要精挑细选的商用香菇不一样,它的制造条件极其温和:无需真空、高温或复杂掺杂,只需在室温下培养菌丝 7 天、干燥、加电极即可。

团队发现,随着电压频率的增加,性能会下降。但这也好办,可以通过将更多蘑菇连接到电路来修复。团队称,这种「长出来的芯片」能大幅减少碳排放与材料浪费。

奇巧的材料实验

我们可以想象一种「活体计算机」:既能感知环境,又能在结构中存储信息。这不仅有助于发展低功耗人工神经网络,也为生态可持续计算提供了全新方向。

培养真菌的过程不需要大型设施或稀有矿物。该过程可以扩展以发展大型系统,这些系统可以编程和保存以低成本长期使用。

相关资讯

搞 AI,孩子必须学好数学:马斯克 Altman 罕见达成一致,LeCun / Jeff Dean 等 31 位大佬签署联名信

【新智元导读】基础数学已经被拔高到研究 AI 的必经之路!UC 伯克利教授发起最新倡议,31 位 AI 大佬共同签署联名信,马斯克和 Altman 竟达成一致。就在刚刚,UC 伯克利 EECS 教授 Jelani Nelson 联合发起了一个倡议,强调「坚实的数学基础对人工智能至关重要」。地址:「虽然 Elon Musk 和 Sam Altman 最近在很多问题上都有分歧,但他们都认同,AI 的构建是以代数和微积分等坚实的数学基础为支撑的。」目前,已经有 31 位业内大佬在上面签署了自己的名字。要想搞好 AI,就必
3/7/2024 9:56:48 PM
清源

NeurIPS 2024 Workshop 科学基础模型: 进展, 机遇, 挑战

Workshop背景人工智能 (AI) 和机器学习 (ML) 在科学领域的应用代表了传统科学发现方法的重大转变。几个世纪以来,探索自然世界的过程遵循着系统和逻辑的方法。然而,人工智能和机器学习技术的出现,正在深刻改变现代基础科学的发现方式。这种变化对于促进跨学科交流、激发创新的解决方案,并最终提高科学界应对现代科学中最紧迫和复杂问题的能力至关重要。与此同时,经过大量多样化数据集训练的基础模型,在计算机视觉和自然语言处理等任务中展示了强大的适应性。这些模型,例如语言模型 GPT-4 和图像文本处理模型 CLIP,通过
7/20/2024 3:30:00 PM
新闻助手

AI加速优化求解,达摩院连续两年获求解器全国赛事冠军

以“AI 优化求解器”助力能源绿色转型,达摩院自研“敏迭”求解器连续获得权威赛事冠军。 1月17日消息,达摩院自主研发的“敏迭”求解器在工信部产业发展促进中心组织的第二届能源电子产业创新大赛上,再次斩获“国产求解器技术专题赛”冠军。 这是继近期入选工信部“人工智能赋能新型工业化”典型应用案例后的又一殊荣。
1/21/2025 10:12:00 AM
新闻助手
  • 1