論文まとめ210回目 Nature Electronics 生体細胞：脳オルガノイドを直接使いDeepLearning！？ など
科学・社会論文を雑多/大量に調査する為、定期的に、さっくり表面がわかる形で網羅的に配信します。今回もマニアックなNature Electronicsです。
さらっと眺めると、事業・研究のヒントにつながるかも。
世界の先端はこんな研究してるのかと認識するだけでも、
ついつい狭くなる視野を広げてくれます。
一口コメント
A skin-integrated multimodal haptic interface for immersive tactile feedback
没入型触覚フィードバックのための肌統合型マルチモーダル触覚インターフェース
「さまざまな触覚感覚を再現できる肌貼り付け型のワイヤレス触覚デバイスを開発し、仮想現実体験をよりリアルにしました。」
Ferroelectric transistors based on shear-transformation-mediated rhombohedral-stacked molybdenum disulfide
ずれ変形を介した斜方晶積層モリブデンジスルファイドに基づく強誘電体トランジスタ
「新しいタイプのトランジスタを使って、より効率的でデータを記憶できる次世代のコンピュータメモリを作り出しました。」
Strain engineering of vertical molybdenum ditelluride phase-change memristors
垂直モリブデンジテルライド相変化メモリスタのひずみ工学
「半金属から半導体への相転移を利用して、非常に高速で高性能なメモリデバイスを作り出しました。」
A ferroelectric-gate fin microwave acoustic spectral processor
フェロエレクトリック・ゲート・フィン型マイクロ波音響スペクトルプロセッサ
「データ通信の増加に対応するために、新しいタイプの小型で高性能なラジオ周波数フィルターの開発。」
Stretchable graphene–hydrogel interfaces for wearable and implantable bioelectronics
伸縮性のあるグラフェン-ハイドロゲル界面を持つウェアラブルおよびインプランタブルバイオエレクトロニクス
「肌に貼るセンサーや体内に埋め込む電子機器に使える新しい伸縮性のある導電性材料の開発。」
Brain organoid reservoir computing for artificial intelligence
人工知能のための脳オルガノイドリザーバーコンピューティング
「この研究では、脳の仕組みをベースにした新しいAIハードウェアが紹介されています。通常のコンピューターとは異なり、生物学的な神経ネットワークを使って計算を行い、音声認識や非線形方程式の予測などのタスクに応用できる可能性があります。」
要約
肌に取り付けるマルチモーダル触覚インターフェースを通じて、没入型のリアルな触覚フィードバックを提供
肌に取り付けるワイヤレス触覚インターフェースは、機械的、電気触覚、温度フィードバックモードを用いて、多様な触覚感覚を提供します。
事前情報
従来のウェアラブル触覚デバイスは単純な振動など限定されたフィードバックしか提供できず、周波数のバンド幅や単一の触覚知覚に制限されていました。
行ったこと
アクチュエータ配列に基づく肌統合型ワイヤレス触覚インターフェースを開発し、異なる刺激モードで多様な触覚を実現しました。
検証方法
異なる刺激モードを用いて、細かい粗さ、マクロ粗さ、滑りやすさ、力、温度などの触覚情報を再現しました。
分かったこと
このインターフェースは、異なる皮膚受容体を選択的に活性化し、多様な触覚感覚を提供することが可能です。
この研究の面白く独創的なところ
神経触覚感知システムに触発された選択的刺激メカニズムを用いて、複雑なフィードバックメカニズムを実現しました。
この研究のアプリケーション
バーチャルリアリティや拡張現実システムでの没入感を高めるために、この触覚インターフェースを活用できます。
モリブデンジスルファイドを用いた革新的な強誘電体トランジスタを開発し、低電力かつ非揮発性のメモリデバイスを実現
革新的な強誘電体トランジスタは、低電力で非揮発性のメモリデバイスの開発に向け、モリブデンジスルファイドを基材として使用しました。
事前情報
従来の強誘電体チャネル材料では、スケーリングされた厚さを実現するのが困難でした。
行ったこと
モリブデンジスルファイド（MoS2）の新しいエピタキシャル層を用い、安定した強誘電体ドメインを含む異種構造を作り出しました。
検証方法
電界を使ってMoS2の極性を制御し、その極性スイッチングの効率を測定しました。
分かったこと
電界によってMoS2の極性を効果的に制御でき、記憶ウィンドウの平均が7V、保持時間が10,000秒以上、耐久性が10,000サイクル以上という結果が得られました。
この研究の面白く独創的なところ
MoS2の層間ずれ変形を活用することで、伝統的な強誘電体素材の問題を解決し、高性能なメモリデバイスを実現しました。
この研究のアプリケーション
この技術は、低消費電力で高性能なメモリデバイスの開発に貢献し、コンピューティングインメモリなどの先進的なコンピュータ技術に応用される可能性があります。
高性能なバイポーラ相変化メモリスタを実現するために、モリブデンジテルライド（MoTe2）を用いた革新的なひずみ工学技術を開発
モリブデンジテルライドを用いた革新的なメモリスタは、プロセス誘導型のひずみ工学によって実現され、非常に高いパフォーマンスを示しました。
事前情報
従来の2D相変化メモリスタは、他の2Dメモリスタを上回る性能を示していませんでした。
行ったこと
金属薄膜によって誘導されるひずみを利用して、MoTe2の半金属から半導体への相転移を実現しました。
検証方法
デバイスのスイッチング電圧、オン/オフ比、スイッチング時間などを測定しました。
分かったこと
デバイスは90mVのスイッチング電圧、108のオン/オフ比、5nsのスイッチング時間、105秒以上の保持時間を示しました。
この研究の面白く独創的なところ
金属薄膜の力を調整することで、デバイスのスイッチング電圧とオン/オフ比を調節できる点が革新的です。
この研究のアプリケーション
この技術は、高速で低消費電力のメモリデバイスの開発に応用可能で、コンピューティングやデータストレージ技術に大きな影響を与える可能性があります。
革新的なフェロエレクトリック・ゲート・フィン型マイクロ波音響スペクトルプロセッサの開発
この研究は、データ通信の増加に対応するため、動的なスペクトル割り当てが必要であり、そのためには大規模なラジオ周波数フィルターの配列が不可欠です。しかし、従来の平面音響共振器に基づくフィルターでは、大きなフットプリントと限定されたチップ上の周波数拡張性や固有の設定可能性に問題があります。
行ったこと
フェロエレクトリック・ゲート・フィンを使用して、高周波数の調整可能性、大規模かつ密集した統合性、固有のスイッチャビリティを備えたスペクトルプロセッサを作成しました。これらのゲート鰭は、シリコンナノ鰭上に成長した原子層フェロエレクトリック・ハフニア-ジルコニア変換器によって作られています。
検証方法
これらの共振器は、3〜28GHzのスケーラブルな周波数を生成し、約11GHzで19.4×10^10 Hzの周波数・品質・電気機械結合積（f × Q × kt2）を提供します。
分かったこと
ゲート変換器の分極を電圧制御することにより、外部スイッチを必要としない固有の設定可能性を実現しました。
この研究の面白く独創的なところ
単一ダイ上で電気的に結合されたフェロエレクトリック・ゲート・フィンの配列を作成し、9〜12GHzをカバーし、アクティブパスバンドの動的な設定可能性と最大17dBの分離を提供するモノリシックフィルターアレイを実現しました。
この研究のアプリケーション
この技術は、無線通信、生物医学研究、診断、農業、食品安全など、多くの分野でのポータブルアプリケーションに利用される可能性があります。
著者 aysal Hakim, Nicholas G. Rudawski, Troy Tharpe, Roozbeh Tabrizian
更に詳しく
この研究は、データ通信量の増大に対応するための新しいアプローチを提供しています。データ通信の需要増により、動的スペクトル割り当てが必要となり、これを実現するためには、大規模なラジオ周波数フィルターの配列が欠かせません。しかし、従来の平面音響共振器ベースのフィルターでは、その大きなサイズとチップ上での周波数のスケーラビリティの限界、固有の設定可能性の欠如が課題となっていました。
研究チームは、これらの問題を解決するために、フェロエレクトリック・ゲート・フィン型のナノ音響共振器を開発しました。これらの共振器は、シリコンナノ鰭上に成長した原子層フェロエレクトリック・ハフニア-ジルコニア変換器によって作られており、3GHzから28GHzにわたる周波数範囲で動作します。これは、鰭の幅によってリソグラフィカルに定義されます。特に、約11GHzでの共振器は、19.4×10^10 Hzの周波数・品質・電気機械結合積（f × Q × kt2）を達成しています。
さらに、これらの共振器は、ゲート変換器の分極を電圧制御することにより、外部スイッチを必要としない固有の設定可能性を提供します。この技術を利用して、研究チームは9GHzから12GHzをカバーするモノリシックフィルターアレイを作成しました。このアレイは、アクティブパスバンドの動的な設定可能性と最大17dBの分離を提供し、これまでのフィルターよりも高い性能と統合性を実現しています。
この研究は、無線通信、生物医学研究、診断、農業、食品安全などの分野で使用されるポータブルデバイスの開発において、新たな可能性を開くものです。フェロエレクトリック・ゲート・フィン型マイクロ波音響共振器の開発は、従来の技術の限界を克服し、より高度なラジオ周波数フィルタリングの実現を可能にします。
伸縮性のあるグラフェン-ハイドロゲル界面の開発
本研究では、ウェアラブルおよびインプランタブルエレクトロニクス向けの伸縮性があり、生体適合性のある導電性材料の開発について報告しています。特に、レーザー誘起グラフェン（LIG）は、物理的および化学的特性の調整可能性を持ち、伸縮性のある多機能バイオエレクトロニクスの一体化に特に有用です。
行ったこと
低温環境でLIGをハイドロゲルフィルムに冷凍転写することにより、薄くて弾力性のある導電性ナノコンポジットを作成しました。低温の環境は、欠陥のある多孔性グラフェンとハイドロゲル内の結晶化した水との界面結合を強化します。
検証方法
ハイドロゲルをエネルギー散逸インターフェースおよび外向きの電気経路として使用し、LIG内に連続的に偏向する亀裂を誘発することで、固有の伸縮性を5倍以上に向上させました。
分かったこと
このアプローチを使用して、肌の監視用の多機能ウェアラブルセンサーや、体内での検出用の心臓パッチを作成しました。
この研究の面白く独創的なところ
伸縮性があり、高い生体適合性を持つ新しい材料を開発し、これを用いてバイオエレクトロニクスデバイスを製造した点。
この研究のアプリケーション
この技術は、ウェアラブルデバイスやインプランタブル医療機器など、さまざまなバイオエレクトロニクスアプリケーションに利用される可能性があります。
著者
Yuyao Lu, Geng Yang, Shenqiang Wang, Yuqi Zhang, Yihui Jian, Long He, Ting Yu, Huayu Luo, Depeng Kong, Yunlei Xianyu, Bo Liang, Tao Liu, Xiaoping Ouyang, Jicheng Yu, Xinyang Hu, Huayong Yang, Zhen Gu, Wei Huang, Kaichen Xu
更に詳しく
この研究では、身に着けるデバイスや体内に埋め込む医療機器などの応用を目指して、伸縮性があり生体適合性のある導電性材料を開発しています。特に注目されるのは、レーザー誘起グラフェン（LIG）の利用です。LIGは、その物理的および化学的特性の調整可能性が高く、柔軟で多機能なバイオエレクトロニクスの統合に適しています。
研究チームは、LIGをハイドロゲルフィルムに冷凍転写することで、薄くて伸縮性のある導電性ナノコンポジットを作成しました。この低温環境下での転写は、グラフェンとハイドロゲル内の結晶化した水との間の界面結合を強化する役割を果たします。これにより、LIGの内部に連続的に偏向する亀裂を誘発し、その結果、材料の伸縮性が5倍以上に向上しました。
この技術によって作成された素材は、その伸縮性と生体適合性を活かし、肌に貼るセンサーや体内での検出に使用可能な心臓パッチなど、様々なバイオエレクトロニクスデバイスの製造に応用されます。これらのデバイスは、肌の健康監視や体内の重要な生理的パラメータの追跡に利用でき、医療分野における新たな可能性を開きます。
この研究の重要性は、伸縮性と生体適合性を兼ね備えた導電性材料の開発にあります。これにより、従来のバイオエレクトロニクス製品に比べて、より快適で、より広範な応用が可能なウェアラブルデバイスやインプランタブルデバイスが実現されることが期待されます。
脳の仕組みを模倣した新しいAIハードウェアを開発し、脳オルガノイドを使って脳の非線形計算能力を活用する研究
この研究では、脳の仕組みを模倣した新しいAIハードウェアが紹介されています。脳オルガノイドを用いて、生物学的な神経ネットワークを活用し、音声認識や非線形方程式の予測などのタスクに応用する方法が提案されています。
事前情報
脳の仕組みを模倣したAIハードウェアの研究が行われており、その中で脳オルガノイドを利用するアプローチが新たに提案された。
行ったこと
研究者は、脳オルガノイドを使用して脳の非線形計算能力を活用するための新しいAIハードウェアを開発し、その性能を評価しました。
検証方法
研究者は脳オルガノイドに高密度のマルチエレクトロードアレイを用いて情報を送受信し、非線形ダイナミクスと記憶特性を活用するために電気刺激を施しました。また、脳オルガノイドの機能的な連結性を再構築することで教師なし学習を実現しました。
分かったこと
研究によれば、この新しいアプローチで音声認識や非線形方程式の予測などのタスクを実現する可能性が示されました。
この研究の面白く独創的なところ
この研究は、通常のデジタル電子原理ではなく、生物学的な神経ネットワークを活用する新しいAIハードウェアアプローチを提案しており、脳の非線形計算能力を模倣する可能性を追求しています。
この研究のアプリケーション
この新しいアプローチは、音声認識や非線形方程式の予測などのタスクに応用でき、人工知能技術の進化に寄与する可能性があります。
著者
Hongwei Cai, Zheng Ao, Chunhui Tian, Zhuhao Wu, Hongcheng Liu, Jason Tchieu, Mingxia Gu, Ken Mackie & Feng Guo
更に詳しく
この研究では、脳の仕組みを模倣した新しいAIハードウェアが紹介されています。具体的には、脳オルガノイドを利用し、生物学的な神経ネットワークを活用して以下の点が提案されています：
生物学的神経ネットワークの模倣: 脳オルガノイドを使用して、人間の脳に近い生物学的神経ネットワークを模倣し、計算を実行します。
高密度マルチエレクトロードアレイの活用: 研究では高密度のマルチエレクトロードアレイを使用して、脳オルガノイドと情報の送受信を行います。これにより、計算に必要なデータの高い密度の取得と送信が可能になります。
非線形ダイナミクスの実現: 電気刺激を使用して、脳オルガノイド内で非線形ダイナミクスを実現します。これは、通常のデジタルコンピューターでは難しい計算能力であり、脳の仕組みを模倣する上で重要です。
記憶特性の活用: 研究において、脳オルガノイドは記憶特性を持ち、情報のフェードアウトを可能にすることが示されました。これにより、過去の情報を保持しながら計算が行えます。
教師なし学習の実現: 脳オルガノイドの機能的な連結性を再構築することにより、教師なし学習が可能となります。これは、新しい情報に適応し、知識を蓄積するために重要です。
応用分野への適用: この新しいアプローチは、音声認識や非線形方程式の予測などのタスクに応用でき、人工知能技術の進化に寄与する可能性があります。
この研究は、脳の非線形計算能力を模倣し、生物学的な神経ネットワークを活用することで、新たなAIハードウェアアプローチを提案し、その潜在的な応用分野に関して示唆しています。
最後に
本まとめは、フリーで公開されている範囲の情報のみで作成しております。また、理解が不十分な為、内容に不備がある場合もあります。その際は、リンクより本文をご確認することをお勧めいたします。