Ученые создали гибкие элементы для автономной нательной электроники
Российские ученые создали гибкие электронные элементы, которые могут одновременно хранить и обрабатывать информацию. Разработка выдерживает сильные изгибы и может использоваться в автономных медицинских датчиках, фитнес-браслетах и умной одежде.
Источник: Гибкий мемристор. Источник: Анна Мацукатова / НИЦ «Курчатовский институт»
МОСКВА, 9 октября /Новости науки/. Российские ученые разработали гибкие электронные элементы, которые способны одновременно хранить и обрабатывать информацию. Они могут позволить фитнес-браслетам, медицинским датчикам и умной одежде анализировать данные самостоятельно, не передавая их для обработки на смартфон. Об этом сообщается в пресс-релизе Российского научного фонда.
Разработанные устройства называются мемристорами. Их особенность заключается в том, что они могут не только хранить информацию, но и участвовать в ее обработке. Электрическое сопротивление такого элемента меняется под действием напряжения и сохраняет новое значение после его отключения.
В отличие от обычной цифровой памяти, где информация представлена в виде нулей и единиц, такие элементы способны принимать множество промежуточных состояний. Это напоминает изменение силы связей между нервными клетками мозга, поэтому на их основе можно создавать искусственные нейронные сети.
Для фитнес-браслетов, медицинских датчиков и умной одежды особенно важна гибкость таких компонентов. Однако существующие полимерные аналоги могут нестабильно переключаться между состояниями и со временем терять свои свойства. Исследователи из Национального исследовательского центра «Курчатовский институт» и Московского физико-технического института предложили использовать сочетание полимера парилена и наночастиц оксида молибдена.
Устройство создали на гибкой полимерной пленке. Между проводящими слоями ученые разместили смесь парилена и наночастиц оксида молибдена. Добавление наночастиц сделало переключение более стабильным, поскольку они способствовали образованию устойчивых путей для прохождения электрического тока.
Испытания показали, что устройства выдерживают более тысячи переключений и сохраняют работоспособность при сильных изгибах с радиусом до пяти миллиметров. Их характеристики не ухудшились после ста циклов сгибания и сохранялись спустя полгода после экспериментов.
Ученые также проверили возможности разработки с помощью компьютерного моделирования. Нейронная сеть, в которую заложили характеристики созданных элементов, распознавала физическую активность человека по сигналам датчиков с точностью около 90%.
Разработка может использоваться в медицинских системах, которые постоянно отслеживают состояние человека, а также в других устройствах, где необходимо обрабатывать данные непосредственно в месте их получения. Такой подход позволяет сократить передачу информации на внешние устройства и снизить энергозатраты.
Разработанные устройства называются мемристорами. Их особенность заключается в том, что они могут не только хранить информацию, но и участвовать в ее обработке. Электрическое сопротивление такого элемента меняется под действием напряжения и сохраняет новое значение после его отключения.
В отличие от обычной цифровой памяти, где информация представлена в виде нулей и единиц, такие элементы способны принимать множество промежуточных состояний. Это напоминает изменение силы связей между нервными клетками мозга, поэтому на их основе можно создавать искусственные нейронные сети.
Для фитнес-браслетов, медицинских датчиков и умной одежды особенно важна гибкость таких компонентов. Однако существующие полимерные аналоги могут нестабильно переключаться между состояниями и со временем терять свои свойства. Исследователи из Национального исследовательского центра «Курчатовский институт» и Московского физико-технического института предложили использовать сочетание полимера парилена и наночастиц оксида молибдена.
Устройство создали на гибкой полимерной пленке. Между проводящими слоями ученые разместили смесь парилена и наночастиц оксида молибдена. Добавление наночастиц сделало переключение более стабильным, поскольку они способствовали образованию устойчивых путей для прохождения электрического тока.
Испытания показали, что устройства выдерживают более тысячи переключений и сохраняют работоспособность при сильных изгибах с радиусом до пяти миллиметров. Их характеристики не ухудшились после ста циклов сгибания и сохранялись спустя полгода после экспериментов.
Ученые также проверили возможности разработки с помощью компьютерного моделирования. Нейронная сеть, в которую заложили характеристики созданных элементов, распознавала физическую активность человека по сигналам датчиков с точностью около 90%.
Разработка может использоваться в медицинских системах, которые постоянно отслеживают состояние человека, а также в других устройствах, где необходимо обрабатывать данные непосредственно в месте их получения. Такой подход позволяет сократить передачу информации на внешние устройства и снизить энергозатраты.
