Tissue-like interfacing of planar electrochemical organic neuromorphic devices
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Electrochemical organic neuromorphic devices (ENODes) are rapidly developing as platforms for computing, automation, and biointerfacing. Resembling short- and long-term synaptic plasticity is a key characteristic in creating functional neuromorphic interfaces that showcase spiking activity and learning capabilities. This potentially enables ENODes to couple with biological systems, such as living neuronal cells and ultimately the brain. Before coupling ENODes with the brain, it is worth investigating the neuromorphic behavior of ENODes when they interface with electrolytes that have a consistency similar to brain tissue in mechanical properties, as this can affect the modulation of ion and neurotransmitter diffusion. Here, we present ENODEs based on different PEDOT:PSS formulations with various geometries interfacing with gel-electrolytes loaded with a neurotransmitter to mimic brain-chip interfacing. Short-term plasticity and neurotransmitter-mediated long-term plasticity have been characterized in contact with diverse gel electrolytes. We found that both the composition of the electrolyte and the PEDOT:PSS formulation used as gate and channel material play a crucial role in the diffusion and trapping of cations that ultimately modulate the conductance of the transistor channels. It was shown that paired pulse facilitation can be achieved in both devices, while long-term plasticity can be achieved with a tissue-like soft electrolyte, such as agarose gel electrolyte, on spin-coated ENODes. Our work on ENODe-gel coupling could pave the way for effective brain interfacing for computing and neuroelectronic applications.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle