La computación neuromórfica basada en memristores promete superar el cuello de botella de von Neumann, contribuyendo a un procesamiento de datos energéticamente eficiente. Los polímeros orgánicos son candidatos ideales para memristores de bajo costo y aplicaciones sinápticas debido a sus excelentes propiedades semiconductoras y fotoeléctricas, así como a su ventaja en el procesamiento en solución. Sin embargo, el alto voltaje de operación y el cambio aleatorio de estado de resistencia en memristores poliméricos limitan su uso en chips neuromórficos, aumentando la complejidad de los circuitos periféricos. Este estudio utiliza el polímero orgánico MEH-PPV dopado con líquido iónico [EMIM][PF₆] como capa activa para construir un memristor de estructura vertical, modulando diversas conductas de plasticidad sináptica a corto y largo plazo mediante entrada eléctrica, reduciendo significativamente el voltaje de trabajo y ampliando el rango de estado conductor ajustable. Este memristor logra características clave de sinapsis biológicas controladas por luz y propiedades de aprendizaje y memoria similares al cerebro bajo voltaje de nivel mV, integrando funciones de detección, almacenamiento y procesamiento de señales ópticas. Sobre esta base, la matriz de sinapsis orgánicas se aplica a tareas de reconocimiento y memoria de patrones en el sistema nervioso visual humano. Los resultados proporcionan una guía importante para el diseño de dispositivos neuromórficos orgánicos de bajo consumo y alto rendimiento de próxima generación.

Memristor;Polímero orgánico;Líquido iónico;Sinapsis fotoeléctrica;Reconocimiento de imágenes