ISSN 2072-9502 · EISSN 2224-9761
Язык: ru

ВЕСТНИК АСТРАХАНСКОГО ГОСУДАРСТВЕННОГО ТЕХНИЧЕСКОГО УНИВЕРСИТЕТА. СЕРИЯ: УПРАВЛЕНИЕ, ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА И ИНФОРМАТИКА

Архив статей журнала

МЕМРИСТИВНЫЕ БИОСЕНСОРЫ: КЛАССИФИКАЦИЯ И ЭНЕРГОИНФОРМАЦИОННАЯ МОДЕЛЬ (2024)
Выпуск: № 1 (2024)
Авторы: Лежнина Юлия Аркадьевна, Зарипова Виктория Мадияровна, Петрова Ирина Юрьевна, Дамир Маратович Гиматдинов

Обсуждается потенциал мемристивных биосенсоров в качестве эффективного и динамичного связующего звена между инженерией и биологией, обеспечивающего прямую и функциональную коммуникацию для извлечения информации о биологических процессах в организме человека. Мемристоры могут быть частью цепочки обработки и, в перспективе, объединять преобразование сигнала с последующей обработкой, действуя как интеллектуальные датчики. Предложены энергоинформационная модель мемристора, описывающая этот нелинейный физико-технический эффект, и параметрическая структурная схема для описания такой нелинейности. Для получения модели нелинейного физико-технического эффекта мемристора в рамках энергоинформационной модели цепей выявлена специальная функциональная зависимость в плоскости «заряд - импульс». Замечено, что мемристивный эффект наблюдается не только в электрических цепях, но также описан для механических, тепловых, диффузионных, оптических цепей, хорошо представленных в терминах энергоинформационной модели цепей. Представленная модель мемристивного эффекта позволит расширить базу знаний системы автоматизированного проектирования, включив паспорта мемристивных физико-технических эффектов. Предложена классификация биосенсоров, основанная на мемристивных эффектах, что позволит дополнить базы знаний системы автоматизированного проектирования паспортами мемристивных физико-технических эффектов в соответствии с этой классификацией и параметрическими структурными схемами мемристивных физико-технических эффектов. Систематизация знаний, основанная на выявлении характеристик и особенностей биосенсоров, а также классификация различных типов мемристоров позволят автоматизировать процесс выбора наиболее подходящего типа мемристора, учитывая требуемые характеристики и особенности биосенсора, что приведет к повышению эффективности синтеза новых конструкций мемристивных биосенсоров.

Сохранить в закладках