据scitechdaily报道，印度科学理工学院（IISc）的研究团队开发出一种新型“智能”材料，能够模拟人脑功能，实现信息存储、计算和自我适应，未来可能替代传统晶体管。
半个多世纪以来，研究人员一直在探索通过分子制造电子器件以超越硅技术的可能性。然而，分子器件内部的复杂互动网络使得其行为难以预测和控制。电子移动、离子位置变化以及结构上的微小差异，都可能导致强烈的非线性行为，这使得分子器件的实际表现难以掌控。
与此同时，神经形态计算也在寻求类似目标，即开发一种能在同一物理材料内实现信息存储、计算和适应的硬件。目前主流方法多基于氧化物材料和丝状开关，但这些系统更像是精心设计的模拟学习装置，而非自然学习的材料。
由IISc纳米科学与工程中心（CeNSE）助理教授Sreetosh Goswami领导的团队开发的新型材料，不仅能够进行计算，还能在同一物质中存储信息，这使其在神经形态计算领域具有重要意义。
Sreetosh Goswami表示：“通过结合化学、物理和电气工程，我们创造了微型分子器件，这些器件可被调整以承担多种角色。根据设备被刺激的方式，它可以作为记忆单元、逻辑门、选择器、模拟处理器或电子突触起作用。这种适应性在电子材料中非常罕见。”
△设备设置。图片来源：CeNSE，IISc
这种灵活性源于设备制造和调校的化学原理。研究人员设计了17种钌配合物，研究分子形状和周围离子环境对电子行为的影响。通过调整钕分子周围的配体和离子，团队展示了一台设备可以展现多种动态响应，甚至在广泛的电导值范围内切换数字和模拟行为。
分子合成由拉马努金研究员Pradip Ghosh和前CeNSE博士生Santi Prasad Rath完成，器件制造由第一作者、CeNSE博士生Pallavi Gaur领导。Gaur表示：“同一系统中隐藏了如此多的多样性。只要有合适的分子化学和环境，单个设备就能存储信息、用它进行计算，甚至学习和遗忘。”
为了解释设备的行为，团队构建了一个基于多体物理和量子化学的传输框架，能够从分子结构预测器件功能。通过这种方法，他们追踪了电子在分子膜中的传播、单个分子的氧化还原过程以及离子在分子基质中的移动。这些过程共同塑造了开关和弛豫行为，并决定了每种分子态的稳定性。
研究得出的关键结论是，这些复合体的适应性使得在同一材料内结合内存和计算成为可能，为神经形态硬件开辟了新路径。团队正致力于将这些材料植入硅芯片，目标是打造节能且具备内在智能的未来人工智能硬件。
CeNSE访问科学家、该研究的合著者Sreebrata Goswami表示：“这项工作表明，化学不仅是供应商，还能成为计算的建筑师。”
