Redes de microgotas reduzem erro de previsão numa simulação
Membranas lipídicas e canais iónicos dão memória de curto prazo a uma rede macia; o desempenho resulta de simulações apoiadas por medições laboratoriais.
Investigadores da Penn State criaram redes de gotículas de água ligadas por membranas com canais iónicos. Num teste simulado, baseado em medições laboratoriais, as redes conectadas reduziram o erro de previsão em quase 50% face a redes com nós independentes.
A memória está no próprio material
Quando duas gotículas se tocam em óleo, os lípidos formam uma bicamada semelhante a uma membrana celular. Essa membrana armazena carga; canais sensíveis à tensão deixam passar iões. A resposta atual depende parcialmente dos sinais recentes, criando uma memória transitória útil para reconhecer padrões que variam no tempo.
A equipa mediu correntes e tensões em cadeias de gotículas e ajustou um modelo físico aos dados. Depois usou esse modelo em simulações de reservoir computing com sinais caóticos. A melhoria de erro pertence a esses testes simulados, embora o modelo tenha sido confrontado com o comportamento experimental dos componentes.
Uma interface mais próxima da biologia
Eletrónica convencional transporta eletrões em materiais sólidos; tecidos vivos comunicam sobretudo com iões em fluidos e membranas. Um material que já recebe, conserva e transforma sinais iónicos poderá simplificar interfaces com sensores biológicos ou robótica macia.
O sistema ainda depende de equipamento externo para fornecer entradas e ler respostas. Não é um computador autónomo nem foi testado num implante. A próxima etapa é aumentar escala, estabilidade e repetibilidade, e medir o consumo total de energia antes de comparar a plataforma com hardware eletrónico.