Il Reservoir Computing (RC) affronta problemi complessi imitando il modo in cui le informazioni vengono elaborate nel cervello degli animali. Si basa su una rete connessa in modo casuale che funge da serbatoio di informazioni e alla fine porta a risultati più efficienti. Per realizzare RC direttamente nella materia (invece di simularlo in un computer digitale), numerosi materiali di giacimento sono stati studiati fino ad oggi. Ora un team che include ricercatori dell'Università di Osaka ha progettato una rete di polianilina solfonata per RC.

Le reti neurali nel cervello utilizzano segnali elettrochimici trasportati da ioni. Perciò, un approccio elettrochimico è una scelta logica nella scelta di un sistema di materiali per RC. I transistor elettrochimici organici ad effetto di campo (OECFET) sono popolari nella bioelettronica; però, non sono ancora stati ampiamente utilizzati per RC.

La chiave del materiale del serbatoio è che ha un comportamento ricco (dipendente dal tempo) ed è disordinato, il che rende i materiali polimerici un'opzione eccellente in quanto formano reti casuali da soli.

La polianilina è un polimero promettente per applicazioni RC, perché è facile da polimerizzare, ha una buona stabilità nell'atmosfera, e ha un comportamento doping/de-doping reversibile, il che significa che la sua conduzione può essere alterata.

I ricercatori hanno studiato la polianilina solfonata (SPAN), quale, oltre ai vantaggi della polianilina, ha un'elevata solubilità in acqua e comportamento autodoping. Questi rendono SPAN più facile da lavorare e il doping più uniforme.

"I protoni atmosferici vengono iniettati direttamente nella catena polimerica di SPAN, che lo fa condurre, ", spiega l'autore principale dello studio Yuki Usami. "Questa conduzione può quindi essere controllata regolando l'umidità".

I ricercatori hanno utilizzato un semplice metodo di colata a goccia per assemblare lo SPAN su elettrodi d'oro per ottenere un dispositivo di rete elettrochimica organica (OEND).

Lo SPAN OEND è stato testato per RC controllando la forma d'onda e valutando le sue prestazioni nelle attività di memoria a breve termine. I risultati di un test per verificare la capacità di riconoscimento del parlato hanno raggiunto una precisione del 70%. Questa capacità di SPAN OEND era paragonabile a una simulazione software di RC.

"Abbiamo dimostrato che il nostro sistema SPAN OEND può essere applicato in RC, " dice l'autore corrispondente dello studio Takuya Matsumoto. "I passi futuri per stabilire sistemi che non si basano sull'umidità forniranno opzioni più pratiche; però, il successo del nostro sistema basato su SPAN è un passo positivo per il calcolo del serbatoio basato sui materiali, che dovrebbe avere un impatto significativo sulla prossima generazione di dispositivi di intelligenza artificiale".