纳米流体锥形孔离子电子学(Iontronics of nanofluidic conical pores)：利用电压脉冲学习现象

《Nanoscale》：Iontronics of nanofluidic conical pores: learning phenomena using voltage pulses

　　

纳米流体忆阻器(memristor)表现出可应用于神经形态计算(neuromorphic computing)——一种模拟生物突触随电信号改变连接强度的新兴技术——的电导记忆效应。研究人员描述了通过编程不同幅值、持续时间和频率的矩形电压脉冲序列来调节纳米流体电导的多种方案。由此产生的历史依赖型电导可通过增强(potentiation，连接强化)与抑制(depression，连接弱化)效应实现短期记忆态及学习过程。此外，纳米流体忆阻器的电化学网络可提供操作程序，利用不同电压脉冲序列作为输入实现逻辑响应与储备池计算(reservoir computing)算法。作为概念验证，研究人员通过对纳米流体忆阻器阵列进行监督学习，实现了井字棋(tic-tac-toe)游戏的演示。

《纳米流体锥形孔离子电子学：利用电压脉冲学习现象》论文解读

一、研究背景与意义

微纳流体离子电子学(micro- and nanofluidic iontronics)能够提供与生物突触相似的物理环境、电荷载流子及时空尺度，可构建模拟生物突触可塑性(plasticity)的可扩展软物质硬件，是神经形态计算领域颇具前景的方向。纳米通道表面通常带有固定电荷，能吸引反离子(counterion)、排斥同离子(coion)，形成受外电场调控的电双层(electric double layer, EDL)，使系统电学响应可被物理化学手段调制。当施加系列电压脉冲时，纳米流体忆阻器表现出依赖外部刺激历史的记忆效应，可用于模拟生物突触。然而，如何利用可编程电压脉冲精确调控锥形纳米孔的离子输运与电导状态，并将其拓展至逻辑运算与复杂模式学习（如储备池计算），仍需系统的理论与实验表征。该研究由Portillo S, Cervera J, Manzanares JA, Bisquert J, Mafe S, Ramírez P等作者完成，发表于《Nanoscale》（RSC Publishing, 2026, D6NR00934D）。本研究系统阐述了利用幅值(V₀)、脉宽(Δt₀)、间隔(Δt)可控的矩形电压脉冲调制单锥纳米孔(single conical nanopore)电导的方法，结合理论模型验证，进一步演示了基于pH/电压组合的逻辑门(NAND、XOR)及储备池计算框架下的井字棋监督学习，证明纳米流体锥形孔可作为可编程突触单元用于信息处理。

二、主要关键技术方法

研究人员采用单重 swift heavy ion 辐照聚酰亚胺薄膜后经非对称蚀刻法制备尖端半径~10 nm、基底半径~100 nm、表面带羧基负电荷的锥形纳米孔膜（单孔或多孔，200–300孔用于表征）；电化学池置于法拉第笼内，施加矩形电压脉冲并记录电流-时间(I-t)迹线，获取电流-电压(I-V)曲线及阻抗谱(Nyquist plot)；选用不同浓度KCl溶液、不同温度、pH及多价阳离子(Ca²⁺, La³⁺)调控表面电荷与电导；采用已有纳米流体忆阻器理论模型（含离子浓度极化与弛豫动力学参数）拟合实验电导-脉冲数曲线；通过双脉冲易化(Paired-Pulse Facilitation, PPF)量化短期记忆；以电压极性与pH为输入构建NAND/XOR逻辑；建立含不同KCl浓度孔并行阵列的储备池计算仿真模型，将井字棋棋盘编码为三行电压脉冲序列(+2 V, ?0.5 V, +0.5 V)，经嵌入树算法(embedding trees algorithm)训练读出层实现最优走步分类。

三、研究结果

Nanopore characterization（纳米孔表征）

研究人员对锥形纳米孔进行了全面物理化学表征。I-V曲线显示典型电流整流(rectification)现象：正向偏压(V > 0)引起尖端离子积累(ionic accumulation)，反向偏压(V < 0)引起耗尽(depletion)。阻抗谱在V > 0时观察到化学电感(chemical inductance)效应(?Im(Z) < 0)。多孔膜样品间具相似整流特征但存适度个体差异。膜在100 mM KCl中数月电导稳定，可通过乙醇再活化长期使用。KCl浓度升高、温度升高均提升电导；低pH使表面羧基质子化带正电反转整流极性，高pH维持负电；二价/三价阳离子吸附可调控表面电荷进而改变整流与忆阻特性。研究表明盐类型与浓度、温度、pH均可有效调制孔电导，10–50 Hz频率信号可显现显著忆阻滞回，过慢扫描消除记忆效应，过快则离子来不及响应呈线性响应。单孔功耗估算约10 μW/膜。

Results and discussion（结果与讨论）

研究人员系统考察脉冲参数对电导的影响：固定脉宽Δt₀=2 ms、间隔Δt=2 ms时，电导随脉冲幅值V₀增大而增大；固定V₀=2 V、Δt=2 ms时，电导随脉宽Δt₀延长而增大（源于化学电感性质的电流环路）；固定V₀=2 V、Δt₀=2 ms时，电导随脉冲间隔Δt增大而减小（离子积累随时间弛豫消散）；电导随KCl浓度c₀升高而升高。理论模型（基于典型锥形孔参数）所得无量纲电导-脉冲数曲线与实验吻合良好，可指导应用设计。电压驱动离子浓度极化(concentration polarization)由典型1–3 V、1–100 ms脉冲引发，产生秒至分钟量级易失性(volatile)短期记忆。PPF指数定义为PPF = 100%×(G_final? G_initial)/G_initial，研究显示PPF随脉冲间隔Δt增大而衰减（离子积累减少），随V₀和Δt₀增大而增强，在中间Δt₀出现极大值（过短脉冲无效激发，过长脉冲致饱和），证实锥形纳米孔可复现神经元系统的双脉冲易化短期记忆效应。

基于上述脉冲响应与溶液特性，研究人员演示逻辑功能：以电压极性(V符号)和尖端pH(pH_tip，不对称溶液pH_tip=7.0为输入0、pH_tip=1.5为输入1，基底pH_base=1.5恒定)为双输入，以有无电导增强为输出(0/1)，实现通用NAND逻辑门；对称溶液中以电压极性和整体pH为输入，利用pH调控表面电荷实现化学门控，实现XOR逻辑门——仅输入组合(0,1)和(1,0)引起电导增强。

进一步，研究人员构建储备池计算概念验证：并行阵列中N个带负电锥形纳米孔分别浸于10–120 mM均匀分布的KCl浓度中以引入个体差异性，井字棋3×3棋盘按格态(X=+2 V, O=?0.5 V, 空=+0.5 V)编码为三行各三个脉冲的输入电压信号，每行信号施加后读取各孔终态电导G_f作为储备池读出。不同浓度孔产生差异化的G_f表征各行信息，组合三行区分棋盘状态。选取非终止且轮到O方走棋的2097个棋盘，以理想对手暴力搜索给出的最优走步为标签构建监督学习数据集，用嵌入树算法训练读出层关联棋盘电导表征与最优走步。结果显示：N=20时储备池已能高精度区分棋盘并学会最优走步，与理想对手对弈1000局获较高平局率，证明锥形纳米孔短期记忆可有效编码棋盘信息，非对称整流允许三电平电压编码优于二进制，利于信息处理。

四、结论与讨论（翻译与总结）

研究人员在结论中指出：纳米流体忆阻器表现出的电导记忆效应可为神经形态计算——这一模拟生物突触随电脉冲改变连接强度的新兴技术——提供实用方案。研究人员描述了通过系列电压脉冲调制锥形纳米孔纳米流体电导的多种程序；调制孔电导的离子时空分布取决于离子浓度及电压脉冲的特征（幅值、持续时间、频率）。由此产生的历史依赖型电导通过增强（离子积累导致的连接强化）与抑制（离子耗尽导致的连接弱化）效应实现短期记忆态和学习过程。纳米流体忆阻器阵列可用于电化学电路，实现逻辑响应及从电压脉冲序列中进行模式学习。