2025 article

Supramolecular Control of Ionic Retention in Electrolyte-Gated Synaptic Transistors

Haolei Zhou, Kaushik Chivukula, Qiyi Fang, Kaiyang Wang, Xinyi Ren, Ashutosh Garudapalli, Ce Liang, Jinpeng Tian, Satya Butler, Jie Xu, Honghu Zhang, Saien Xie, Jingjie Yeo, Yu Zhong

3Citations signalées, ce qui n’est pas une note de qualité

7Institutions déclarées

2Pays d’affiliation déclarés

Rattachement africain : us, au. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

Electrolyte-gated transistors with ion-trapping layers offer a promising platform for artificial synapses in neuromorphic computing, yet molecular mechanisms governing ionic retention remain poorly understood. Here, we present a supramolecular approach to modulate ion retention by incorporating a crown ether derivative-based polymer network as an ion-trapping layer on top of a semiconducting monolayer. We show that the balance between ion–host binding and ion–solvent interactions dictates the kinetics of ion capture and release, which in turn controls the memory characteristics of the device. By varying the solvent dielectric constant, we tune the ionic retention time from nearly permanent trapping to rapid relaxation. Intermediate solvent polarity enables programmable short- and long-term synaptic behaviors, including excitatory postsynaptic current, paired-pulse facilitation, and long-term potentiation and depression. These findings establish a direct link between supramolecular ion recognition and synaptic plasticity and provide a generalizable design strategy for ionic–electronic neuromorphic devices.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref: Supramolecular Control of Ionic Retention in Electrolyte-Gated Synaptic Transistors
Date Crossref: 03/12/2025
Éditeur: American Chemical Society (ACS)
Type: journal-article

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Où se fait cette recherche

Cornell University pays non établi dans la notice
Université ou école supérieure
University of Chicago pays non établi dans la notice
Université ou école supérieure
Princeton University pays non établi dans la notice
Université ou école supérieure
Smith College pays non établi dans la notice
Université ou école supérieure
Smith Family pays non établi dans la notice
Organisation à but non lucratif
Brookhaven National Laboratory National Synchrotron Light Source II pays non établi dans la notice
Structure de recherche
Sibley Memorial Hospital pays non établi dans la notice
Établissement de santé
Department of Materials Science and Engineering pays non établi dans la notice
Institution
Pritzker School of Molecular Engineering pays non établi dans la notice
Université ou école supérieure
Department of Electrical and Computer Engineering pays non établi dans la notice
Institution
Department of Mechanical and Aerospace Engineering pays non établi dans la notice
Institution
R.F. Smith School of Chemical and Biomolecular Engineering pays non établi dans la notice
Université ou école supérieure

Cornell University, University of Chicago et Princeton University, avec 9 autres affiliations.

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Advanced Memory and Neural ComputingNeural Networks and Reservoir ComputingFerroelectric and Negative Capacitance Devices

Consulter la publication primaire Ouvrir le DOI