液滴界面突触中的神经形态离子计算：耦合忆容-忆阻行为与类脑学习功能

研究人员针对传统电子计算平台能耗高、生物兼容性差的问题，开发了基于液滴界面双层（DIS）的离子突触器件。该器件通过耦合忆容（memcapacitive）和忆阻（memristive）行为，实现了非交叉捏滞回I-V曲线，并成功模拟了配对脉冲增强/抑制（PPF/PPD）、赫布学习（Hebbian learning）等神经突触可塑性。研究进一步利用储备计算（reservoir computing）完成了手写数字识别和井字棋游戏学习，为开发低能耗、高生物相容性的神经形态计算系统提供了新思路。

　　

在算力需求爆炸式增长的今天，传统硅基芯片的物理极限和能耗问题日益凸显。而人脑仅凭约20瓦的功耗就能高效处理复杂任务，这激发了科学家对神经形态计算的探索。过去35年间，从半导体忆阻器到纳米流体器件，研究人员不断尝试模拟生物突触功能，但固态组件的局限性始终难以突破。与此同时，生物神经系统依赖的离子信号传递机制因其超低能耗特性，成为新一代计算架构的灵感来源。

这项发表在《SCIENCE ADVANCES》的研究另辟蹊径，利用两个包裹脂质的液滴在油相中形成的界面双层（droplet interface bilayer, DIS）作为离子计算单元。通过施加三角波电压，研究人员首次观察到耦合的忆容-忆阻行为：低频下呈现典型忆阻器的捏滞回I-V曲线，高频则转变为忆容主导的双曲型回线。这种独特的动力学源于电压驱动的双层电致伸缩——包括电润湿导致的面积扩张和电压缩引发的厚度减小，其电容变化符合CM/C₀=1+βV_s²关系（β≈14.8 V^-2）。

关键技术包括：1）采用"脂质内"技术构建DPhPC脂质体包裹的液滴界面双层；2）通过膜片钳系统测量离子电流和电容特性；3）利用α-溶血素（α-HL）通道调控离子传导；4）钙敏感染料荧光示踪离子动态；5）基于储备计算框架实现算法训练。

液滴界面突触的离子记忆机制
研究发现DIS的滞回行为可通过改变双层组分（如添加胆固醇增强刚性）、重构蛋白通道或调整液滴构型来调控。胆固醇的加入使I-V滞回环面积增大50%，而鞘磷脂（sphingomyelin）诱导的脂筏形成则显著抑制记忆效应。荧光检测证实电压周期中存在瞬时电穿孔现象，揭示了除几何变化外的另一记忆来源。

DIS中的突触功能与可塑性
该系统成功模拟了生物突触的核心特征：配对脉冲增强（PPF）和抑制（PPD）呈现双指数衰减（τ₁=28/167 ms, τ₂=857/840 ms）；脉冲频率依赖可塑性（SRDP）显示5Hz刺激下电流变化达200%；赫布学习规则（STDP）中，突触前-后神经元激活时序差Δt=0.5s时，电流变化ΔI/I₀可达±20%。值得注意的是，预设电压可调节可塑性方向——+130mV时促进抑制，0mV时易化增强。

基于DIS的联想学习与储备计算
在"巴甫洛夫狗"实验中，将100mV（铃声）与200mV（食物）脉冲配对训练后，单独100mV刺激即可引发20%电流变化（"唾液分泌"），且记忆持续11秒。储备计算应用更令人惊艳：单个DIS处理4位二进制串产生16种可区分状态；在MNIST手写识别中，仅用110维储备状态即达86.2%准确率；井字棋智能体通过冗余编码（R=4）后，对抗最优对手的平局率达100%，且设备噪声反而提升71%至93%的学习效率。

这项研究开创性地证明，简单液滴系统能实现复杂神经形态功能。其意义在于：1）首次在纯液相体系中实现耦合忆容-忆阻行为；2）突破固态器件限制，操作电压（200mV）接近生物突触（110mV）；3）单突触单元即可完成模式识别和策略学习。尽管存在记忆保持时间短（~20s）、液滴稳定性待提升等挑战，但通过工程化离子通道集成、水凝胶封装等技术优化，DIS有望成为柔性生物电子和类脑芯片的核心组件。该成果为"液滴电子学"（dropletronics）发展奠定基础，或将在神经假体、生物混合机器人等领域引发革新。