به گزارش پایگاه خبری تحلیلی خطوط، این ماده واکنشی رفتار خود را بر اساس شرایط قبلی تغییر میدهد.
این ماده جدید که با الهام از سیستمهای زنده، ساخته شده است رفتار الکتریکی خود را بر اساس تجربیات قبلی تغییر میدهد و شکل اولیهای از حافظه تطبیقی را نشان میدهد. چنین مواد تطبیقی میتوانند نقش حیاتی در نسل بعدی حسگرهای پزشکی و محیطی و همچنین در رباتهای نرم یا سطوح فعال ایفا کنند. این پیشرفت بدست محققان دانشگاه آلتو در فنلاند حاصل شده است.
مواد واکنشگرا طیف وسیعی از کاربردها را از عینکهایی که در نور خورشید تیره میشوند تا سامانههای دارورسانی پیدا کرده اند. با این حال، این مواد همیشه به یک شکل واکنش نشان میدهند. واکنش آنها به یک تغییر به تاریخچه آنها بستگی ندارد و بر اساس گذشته خود انطباق نمییابند.
بو پنگ، محقق دانشگاه آلتو که یکی از نویسندگان ارشد این مطالعه بود، میگوید: این ویژگی اساساً با سیستمهای زنده متفاوت است که بهطور پویا رفتار خود را بر اساس شرایط قبلی تطبیق میدهند. یکی از چالشهای بزرگ بعدی در علم مواد، تولید مواد واقعا هوشمند با الهام از موجودات زنده است. میخواستیم مادهای بسازیم که رفتار خود را بر اساس تاریخچه خود تنظیم کند.
محققان در این مطالعه دانههای مغناطیسی در اندازه میکرومتر ساختند که توسط یک میدان مغناطیسی تحریک میشدند. وقتی میدان مغناطیسی فعال میشد، مهرهها روی هم قرار گرفتند و ستونهایی را تشکیل دادند. قدرت میدان مغناطیسی بر شکل ستونها تأثیر میگذارد که به نوبه خود بر میزان رسانایی الکتریسیته آنها اثر میگذارد.
این محقق گفت: با این سیستم، ما محرک میدان مغناطیسی و پاسخ الکتریکی را به هم مرتبط کردیم و دریافتیم رسانایی الکتریکی بستگی به این دارد که آیا میدان مغناطیسی را به سرعت یا آهسته تغییر میدهیم. این امر به این معناست که پاسخ الکتریکی به تاریخچه میدان مغناطیسی بستگی دارد. اگر میدان مغناطیسی در حال افزایش یا کاهش بود، رفتار الکتریکی نیز متفاوت میشد. این پاسخ دوپایداری را نشان داد که شکل ابتدایی حافظه است. رفتار این ماده به گونهای است که گویی حافظه میدان مغناطیسی دارد.
دوپایداری توانایی یک سامانه برای حضور در دو حالت پایا پیش از رسیدن به یک حالت پایدار است.
یادگیری پایه
حافظه سیستم به آن اجازه میدهد تا به شیوهای شبیه یادگیری ابتدایی رفتار کند. اگرچه یادگیری در موجودات زنده بسیار پیچیده است، اما اساسیترین عنصر یادگیری در حیوانات، تغییر در واکنش اتصالات بین نورونها است که سیناپس نامیده میشود. فعال کردن سیناپسها در یک نورون، بسته به تعداد دفعاتی که تحریک میشوند، سختتر یا آسانتر میشود. این تغییر که به عنوان انعطاف پذیری سیناپسی کوتاه مدت شناخته میشود، باعث میشود ارتباط بین یک جفت نورون بسته به سابقه آنها قویتر یا ضعیفتر شود.
محققان توانستند تجربهای مشابه را با مهرههای مغناطیسی انجام دهند، هرچند مکانیسم آن کاملاً متفاوت است. هنگامی که مهرهها در معرض یک میدان مغناطیسی با پالسهای سریع قرار گرفتند، رسانایی الکتریکی این مهرهها بهتر شد، در حالی که پالسهای آهستهتر باعث رسانایی ضعیفتر مهرهها شد.
اولی ایکالا استاد دانشگاه آلتو میگوید: مواد ما کمی شبیه سیناپس عمل میکند. آنچه ما نشان دادهایم راه را برای تولید نسل بعدی مواد الهامگرفته از موجودات زنده هموار میکند که از فرآیند زیست شناختی سازگاری، حافظه و یادگیری استفاده میکند.
در آینده، حتی ممکن است مواد بیشتری ساخته شوند که به طور الگوریتمی از ویژگیهای شبیه حیات الهام گرفته شده باشند، هرچند پیچیدگی کامل سیستمهای زیستی را نخواهند داشت. چنین موادی برای نسل بعدی رباتهای نرم و نظارت پزشکی و محیطی، اهمیت اساسی خواهند داشت./ ایرنا