Ученые Национального исследовательского центра «Курчатовский институт» и Московского физико-технического института разработали материал для носимых датчиков и умной одежды. Как сообщает ТАСС, созданные на его основе устройства выдерживают сильное сгибание и дольше сохраняют рабочие характеристики.
Исследователи получили гибкие мемристоры из полимерного композита с наночастицами оксида молибдена. Добавка повышает стабильность элемента и позволяет ему переносить значительные изгибы. Разработка рассчитана на автономную носимую электронику, включая умную одежду, фитнес-браслеты и медицинские датчики.
Мемристор способен одновременно хранить и обрабатывать информацию. Его электрическое сопротивление постепенно меняется под действием напряжения и сохраняет новое значение после отключения питания. Такое поведение сравнивают с пластичностью мозга, где связь между нейронами усиливается или ослабевает в зависимости от частоты прохождения сигналов, поэтому мемристоры подходят для создания нейронных сетей непосредственно в носимом устройстве.
Обычные гибкие мемристоры на полимерной основе могут разрушаться из-за влаги и других воздействий окружающей среды. В новой конструкции применена подложка из полиэтиленнафталата, а активный слой изготовлен из парилена и наночастиц оксида молибдена. Парилен используют для защиты имплантатов и электроники от влаги, а полупроводниковые частицы помогают формировать более устойчивые проводящие каналы и делают переключение состояний предсказуемее.
Испытания показали, что устройства выдерживают более 1 тыс. циклов переключения и сохраняют работоспособность при многократном сильном сгибании, включая изгибы с радиусом до 5 мм. Через полгода после экспериментов характеристики мемристоров не изменились, признаков деградации не обнаружили. По результатам компьютерного моделирования нейросеть на их основе может распознавать физическую активность человека по данным носимых датчиков с точностью около 90%.
По словам руководителя проекта Анны Мацукатовой, такие элементы можно размещать на руке или одежде, а обработка сигналов потребует существенно меньше энергии по сравнению с обычными гаджетами. Возможные направления применения включают медицинский мониторинг, нейропротезирование, а в перспективе — машинное зрение, робототехнику и работу с большими массивами данных. Исследование поддержал Российский научный фонд, его результаты опубликованы в Journal of Alloys and Compounds.