Inspiriert von lebenden Systemen haben Forscher der Aalto-Universität ein neues Material entwickelt, das sein elektrisches Verhalten basierend auf früheren Erfahrungen ändert und ihm effektiv eine grundlegende Form eines adaptiven Gedächtnisses verleiht. Solche adaptiven Materialien könnten in der nächsten Generation von Medizin- und Umweltsensoren sowie in weichen Robotern oder aktiven Oberflächen eine entscheidende Rolle spielen.
Reaktive Materialien sind in einer Reihe von Anwendungen üblich geworden, von Gläsern, die sich im Sonnenlicht verdunkeln, bis hin zu Medikamentenverabreichungssystemen. Aber vorhandene Materialien reagieren immer gleich – ihre Reaktion auf eine Veränderung hängt nicht von ihrer Geschichte ab, noch passen sie sich aufgrund ihrer Vergangenheit an.
Dies unterscheidet sich grundlegend von lebenden Systemen, die ihr Verhalten dynamisch an vorherige Bedingungen anpassen. „Eine der nächsten großen Herausforderungen in der Materialwissenschaft ist die Entwicklung wirklich intelligenter Materialien, die von lebenden Organismen inspiriert sind. Wir wollten ein Material entwickeln, das sein Verhalten basierend auf seiner Geschichte anpasst“, sagt Bo Peng, ein Academy Research Fellow an der Aalto University, der war einer der leitenden Autoren dieser Studie.
Die Forscher synthetisierten mikrometergroße Magnetkügelchen, die dann durch ein Magnetfeld angeregt wurden. Wenn der Magnet eingeschaltet war, stapelten sich die Perlen zu Säulen. Die Stärke des Magnetfelds beeinflusst die Form der Säulen, was wiederum beeinflusst, wie gut sie Strom leiten.
„Mit diesem System haben wir den Magnetfeld-Stimulus und die elektrische Reaktion gekoppelt. Interessanterweise haben wir festgestellt, dass die elektrische Leitfähigkeit davon abhängt, ob wir das Magnetfeld schnell oder langsam verändert haben. Das bedeutet, dass die elektrische Reaktion von der Geschichte des Magnetfelds abhängt . Das elektrische Verhalten war auch unterschiedlich, wenn das Magnetfeld zu- oder abnahm. Die Reaktion zeigte Bistabilität, was eine elementare Form des Gedächtnisses ist. Das Material verhält sich so, als hätte es ein Gedächtnis des Magnetfelds“, erklärt Peng.
Das Gedächtnis des Systems ermöglicht es ihm auch, sich auf eine Weise zu verhalten, die einem rudimentären Lernen ähnelt. Obwohl das Lernen in lebenden Organismen enorm komplex ist, ist sein grundlegendstes Element bei Tieren eine Veränderung in der Reaktion von Verbindungen zwischen Neuronen, die als Synapsen bekannt sind. Je nachdem, wie häufig sie stimuliert werden, werden Synapsen in einem Neuron schwieriger oder leichter zu aktivieren. Diese Änderung, die als kurzfristige synaptische Plastizität bekannt ist, macht die Verbindung zwischen einem Neuronenpaar abhängig von ihrer jüngsten Geschichte stärker oder schwächer.
Ähnliches gelang den Forschern mit ihren Magnet-Beads, auch wenn der Mechanismus ein völlig anderer ist. Als sie die Kügelchen einem schnell pulsierenden Magnetfeld aussetzten, leitete das Material Elektrizität besser, während ein langsameres Pulsieren es zu einer schlechten Leitung machte.
„Das erinnert an kurzfristige synaptische Plastizität“, sagt Aaltos angesehener Professor Olli Ikkala. „Unser Material funktioniert ein bisschen wie eine Synapse. Was wir demonstriert haben, ebnet den Weg für die nächste Generation lebensinspirierter Materialien, die auf biologischen Prozessen der Anpassung, des Gedächtnisses und des Lernens zurückgreifen.“
„In Zukunft könnte es noch mehr Materialien geben, die algorithmisch von lebensähnlichen Eigenschaften inspiriert sind, obwohl sie nicht die volle Komplexität biologischer Systeme umfassen. Solche Materialien werden für die nächste Generation von Softrobotern und für medizinische und medizinische Zwecke von zentraler Bedeutung sein Umweltüberwachung“, fügt Ikkala hinzu.
Die Studie wurde veröffentlicht in Wissenschaftliche Fortschritte.
Mehr Informationen:
Xianhu Liu et al, Magnetfeldgetriebene Partikelanordnung und Störung für bistabiles Gedächtnis und Reaktionsplastizität, Wissenschaftliche Fortschritte (2022). DOI: 10.1126/sciadv.adc9394