Более полувека ученые ищут замену кремнию в электронике, экспериментируя с молекулами. Однако создать надежные устройства оказалось крайне сложно: в реальных условиях молекулы ведут себя непредсказуемо, сильно взаимодействуя друг с другом. Параллельно развиваются нейроморфные вычисления, которые стремятся имитировать работу мозга, используя материалы, способные одновременно хранить данные и обрабатывать их. Такие системы, в отличие от традиционных чипов, обеспечивают массовый параллелизм обработки, адаптивность к изменяющимся сигналам, способность к обучению непосредственно на устройстве в реальном времени и повышенную устойчивость к сбоям, что особенно ценно для робототехники и сенсорных систем. До сих пор эти разработки лишь искусно копировали обучение, но не обладали им по своей природе.
Новое исследование Индийского института науки в Бангалоре свидетельствует, что эти два направления наконец сошлись. Междисциплинарная команда под руководством профессора Сритоша Госвами создала крошечные молекулярные устройства, поведение которых можно тонко настраивать. В зависимости от типа внешнего воздействия одно и то же устройство может работать как элемент памяти, логический вентиль, селектор, аналоговый процессор или электронный синапс. «Редко можно увидеть такую степень адаптивности в электронных материалах», — отмечает Госвами.
Эта удивительная гибкость заложена в самой химической структуре устройств. Исследователи синтезировали 17 различных комплексов на основе металла рутения и изучили, как небольшие изменения формы молекулы и ионного окружения влияют на движение электронов. Настраивая лиганды — ионы или молекулы, такие как вода или аммиак, которые связываются с центральным атомом металла, — и ионы вокруг молекул рутения, они показали, что одно устройство может демонстрировать широкий спектр динамических реакций, переключаясь между цифровым и аналоговым режимами работы. Именно лиганды, влияя на стабильность и электронные свойства комплексов, позволили добиться такой функциональной гибкости. «Меня поразило, сколько возможностей скрыто в одной системе», — говорит ведущий автор работы Паллави Гаур.
Чтобы понять и предсказать это сложное поведение, команде потребовалась надежная теоретическая модель — то, чего часто не хватало в молекулярной электронике. Ученые разработали транспортную модель, основанную на квантовой химии и физике многих тел, которая позволяет прогнозировать свойства устройства, исходя непосредственно из его молекулярной структуры. Модель описывает, как электроны движутся через молекулярную пленку, как отдельные молекулы окисляются и восстанавливаются, и как перемещаются противоионы в матрице.
Ключевой результат заключается в том, что необычная адаптивность этих молекулярных комплексов позволяет объединить функции памяти и вычислений в одном физическом материале. Это открывает путь к созданию нейроморфного оборудования, в котором способность к обучению будет буквально «вшита» в материал. Команда уже работает над интеграцией этих молекулярных систем с традиционными кремниевыми чипами, стремясь создать энергоэффективное аппаратное обеспечение для искусственного интеллекта будущего.
«Эта работа показывает, что химия может быть архитектором вычислений, а не просто их поставщиком», — подводит итог Шрибрата Госвами, приглашенный ученый и соавтор исследования, руководивший химическим дизайном. Таким образом, тщательно спроектированные молекулы, способные менять свои функции, могут стать фундаментом для принципиально новых, более «умных» и экономичных вычислительных систем.
Источник: Beyond silicon: These shape-shifting molecules could be the future of AI hardware