نسل جدید ماده با قابلیت سازگاری محیطی

نسل جدیدی از ماده ساخته شده است که با الهام از رفتار موجودات زنده می‌تواند بر اساس تجربیات با محیط سازگار شود.

در این تصویر مفهومی ماده جدیدی نشان داده شده است که رفتار الکتریکی خود را بر اساس تجربه قبلی تغییر می دهد. این ویژگی به طور موثر به آن یک شکل اساسی از حافظه تطبیقی می‌دهد.

این ماده جدید بر اساس تجربیات قبلی رفتار الکتریکی خود را تغییر می دهد، ویژگی‌ای که شکل اولیه و تاثیرگذاری از حافظه تطبیقی را به این نسل جدید از ماده می‌بخشد. چنین مواد تطبیق پذیری که توانایی تغییر رفتار الکتریکی خودشان را دارند، نقش حیاتی در نسل بعدی حسگرهای پزشکی و محیطی  ایفا خواهند کرد. همچنین از این مواد می‌توان در روبات های انعطاف پذیر یا سطوح فعال که نسبت به محیط اطراف خنثی نیست استفاده کرد. این موفقیت توسط گروهی از محققان در دانشگاه «آلتو» فنلاند به دست آمده است.

 

مواد پاسخگو (موادی که در برابر محیط خنثی نبوده و واکنش دارند.) مدت‌ها است که در طیف وسیعی از کاربری‌ها رایج  شده‌اند. یک مثال ساده آن عینک‌های فوتوکرومیک است که در برابر شدت نور محیط یا خورشید تیرگی آن‌ها تغییر می‌کند، یا ریز سیستم‌های تحویل دارو در بدن که بسته به شرایط بدن این کار را می‌کنند. اما این مواد رایج همیشه و هر بار به یک شکل واکنش نشان می دهند و پاسخ آنها به یک تغییر محیطی به تاریخچه آنها بستگی ندارد و بر اساس تاریخچه سازگار نمی‌شود. این شکل از تغییر تفاوت اساسی با سیستم‌های زنده دارد که به صورت پویا رفتار خود را بر اساس شرایط قبلی تغییر داده و با شرایط جدید تطبیق می‌دهند. توسعه موادی که واقعا شبیه موجودات زنده دارای نوعی از حافظه تطبیقی باشند، یکی از چالش های بزرگ در علم مواد است که مواد آینده از دل آن بیرون خواهد آمد. «بو پنگ» فلوشیپ تحقیقات آکادمیک در دانشگاه آلتو که یکی از نویسندگان ارشد مطالعه مربوط به ساخت این ماده جدید است، می‌گوید: «ما می‌خواستیم ماده‌ای بسازیم که رفتارش را بر اساس تاریخچه گذشته خودش تنظیم کند.»

این نما نشان می‌دهد که شکل و رسانایی ستون های تشکیل شده توسط مهره های مغناطیسی در یک میدان مغناطیسی به قدرت و تاریخچه میدان بستگی دارد.

دانه‌های مغناطیسی

برای تولید این ماده جدید، محققان ابتدا مهره‌های مغناطیسی در ابعاد میکرومتر را سنتز کردند. این دانه‌های میکرونی سپس توسط یک میدان مغناطیسی تحریک می شدند. وقتی میدان مغناطیسی فعال بود، مهره‌ها روی هم قرار گرفته و ستون‌هایی را تشکیل می‌دادند. قدرت میدان مغناطیسی بر شکل ستون‌ها تأثیر گذاشته و شکل ستون‌ها تعیین کننده رسانایی الکتریکی این ماده بود. با این روش، ما محرک میدان مغناطیسی و پاسخ الکتریکی را ترکیب کردیم. نکته جالب این بود که ما متوجه شدیم که رسانایی الکتریکی به سرعت تغییر میدان مغناطیسی هم بستگی دارد و نه فقط قدرت آن. این بدان معناست که پاسخ الکتریکی به تاریخچه میدان مغناطیسی بستگی دارد، چون سرعت تغییر نسبت به گذشته و آنچه در زمان می‌گذرد محاسبه می‌شود.همچنین رفتار الکتریکی نسبت به کاهش یا افزایش میدان مغناطیسی هم واکنش‌های متفاوتی داشت و این هم دلیل دیگری بود  ماده جدید نوعی از حافظه ابتدایی دارد. پنگ این را توضیح داده می‌گوید: «این ماده طوری رفتار می‌کند که انگار حافظه‌ای از میدان مغناطیسی دارد.» نتایج این پژوهش در ژورنال Science Advances منتشر شده است.

یادگیری پایه

حافظه این سیستم همچنین به آن اجازه می دهد تا به شیوه‌ای شبیه یادگیری ابتدایی رفتار کند. اگرچه یادگیری در موجودات زنده بسیار پیچیده است، اما اساسی ترین عنصر آن در حیوانات تغییر در پاسخ اتصالات بین نورون ها است که به عنوان سیناپس شناخته می شود. بسته به تعداد دفعات تحریک سیناپس‌ها در یک نورون فعال‌تر یا غیر فعال‌تر می‌شوند. این مسئله به این معنا است که سیناپس فعال‌تر به محرک ضعیف‌تری برای پاسخ‌گویی نیاز دارد، در حالی که سیناپس غیر فعال به سادگی تحت تاثیر محرک‌ها قرار نمی‌گیرد.

در این پژوهش نشان داده‌ایم راه را برای نسل بعدی مواد الهام‌گرفته از حیات هموار می‌کند که از فرآیند بیولوژیکی سازگاری، حافظه و یادگیری استفاده می‌کنند

این تغییر که به عنوان انعطاف پذیری سیناپسی کوتاه مدت شناخته می شود، باعث می شود که ارتباط بین یک جفت نورون بسته به تاریخچه تعداد فعالیت بر اثر تحریک بیرونی قوی‌تر یا ضعیف‌تر شود. محققان توانستند چیزی مشابه این سیستم که شرح داده شد را با مهره‌های مغناطیسی خود انجام دهند با وجود این‌که مکانیسم کاملا متفاوتی دارد. برای مثال وقتی آنها میکرومهره‌ها را در معرض یک میدان مغناطیسی با ضربان تغییر سریع قرار دادند، ماده تشکیل شده در رسانایی الکتریسیته بهتر عمل کرد، در حالی که ضربان آهسته‌تر باعث می شد ماده رسانایی ضعیفی داشته باشد.« اولی ایکالا» یکی از استادان مشهور دانشگاه آلتو می گوید: «این رفتار یادآور انعطاف پذیری سیناپسی کوتاه مدت است. ماده ما کمی شبیه سیناپس عمل می‌کند. آنچه ما در این پژوهش نشان داده‌ایم راه را برای نسل بعدی مواد الهام‌گرفته از حیات هموار می‌کند که از فرآیند بیولوژیکی سازگاری، حافظه و یادگیری استفاده می‌کنند.» در آینده، حتی ممکن است مواد دیگری و متعددی هم وجود داشته باشد که به شکلی نظام‌مند و بر اساس الگوریتم از ویژگی‌های یادگیری و حافظه تطبیقی شبیه حیات داشته باشند. با این حال ما انتظار نداریم این ویژگی‌های مواد شامل پیچیدگی کامل سیستم‌های بیولوژیکی شود. چنین موادی نقش اساسی در نسل بعدی ربات‌های منعطف، ابزارهای پایش پزشکی و محیطی خواهند داشت.