共计 1560 个字符，预计需要花费 4 分钟才能阅读完成。
科学家们成功研发出一种革命性的分子器件，它能够根据外部激励动态切换功能，在同一结构中可作为存储器、逻辑单元甚至是学习元件运行。这一突破性进展源于精确的化学设计，使得电子和离子能够在材料内部进行动态重组。与传统电子器件不同，这些新型器件并非简单地模仿智能，而是通过物理方式将智能直接编码于材料内部。这一创新方法或将彻底重塑未来人工智能硬件的构建范式。
研究团队创造出的分子器件能够实时调整其行为，灵活充当存储器、逻辑门或人工突触。这一重要进展标志着电子器件向着具备类脑学习能力的智能材料迈出了关键一步。
五十多年来，科学家们一直在积极寻找能够替代硅作为分子电子器件基础的新型材料。尽管这一构想极具吸引力，但实际进展却远比预想的要艰难。在实际的器件应用中，分子并不像孤立的元件那样简单运作。随着电子的移动、离子的迁移以及界面的变化，分子间会产生强烈的相互作用，甚至结构的细微差异都可能引发高度非线性的响应。尽管分子电子学的潜力显而易见，但如何可靠地预测并控制其行为至今仍是一大挑战。
与此同时，受大脑启发的神经形态计算硬件也在追求类似的目标。其核心在于寻找一种能在同一物理结构中存储信息、执行计算并实时适应的智能材料。然而，当前主流的神经形态系统多基于氧化物材料和丝状开关机制，其运作方式仍然像经过精心设计、模仿学习的机器，而非天生就具备学习能力的材料。
两条路径开始交汇
来自印度科学研究所的一项最新研究表明，这两个长期独立发展的领域可能正走向融合。
在一项融合了化学、物理与电气工程的跨学科合作中，由纳米科学与工程中心助理教授 Sreetosh Goswami 带领的团队，成功开发出可通过多种方式调控行为的微型分子器件。根据激励方式的不同，同一器件可充当存储元件、逻辑门、选择器、模拟处理器或电子突触。Sreetosh Goswami 表示：“在电子材料中很少见到这种程度的适应性。在这里，化学设计与计算并非简单的类比，而是作为实际的工作原理存在。”
化学如何实现多功能
这种前所未有的灵活性源于器件构建与调控所采用的特定化学方法。研究人员合成了 17 种精心设计的钌配合物，深入探究分子形状及周围离子环境的微小变化如何影响其电子行为。通过调整钌分子周围的配体与离子排列，他们证明单个器件可以呈现多种不同的动态响应，包括在宽电导值范围内实现数字与模拟操作的切换。
分子合成工作由拉马努金奖得主 Pradip Ghosh 和纳米科学与工程中心前博士生 Santi Prasad Rath 完成。器件制备则由该中心博士生、论文第一作者 Pallavi Gaur 主导。Gaur 表示：“最令我惊讶的是，同一系统中竟蕴藏着如此多的可能性。通过恰当的分子化学设计和环境调控，单个器件可以存储信息、进行计算，甚至学习和遗忘。这是在传统固态电子学中难以实现的特性。”
解释与预测行为的理论框架
为了深入理解这些分子器件的行为机制，研究团队建立了一个分子电子学领域长期缺乏的坚实理论基础。他们开发了基于多体物理与量子化学的输运模型，能够直接从分子结构预测器件行为。利用该框架，研究人员成功追踪了电子如何穿过分子薄膜、单个分子如何发生氧化还原反应、抗衡离子如何在分子基质中迁移。这些过程的协同作用共同决定了开关行为、弛豫动力学以及各分子状态的稳定性。
迈向具备内嵌学习能力的材料
这项研究的核心价值在于，这些钌配合物非凡的适应性使得在同一材料中集成存储与计算成为可能。这为开发直接将学习能力编码在材料内部的神经形态硬件开辟了全新的道路。该团队正致力于将这些分子系统集成到硅芯片上，旨在创建既节能又具备内在智能的未来人工智能硬件。
领导化学设计的纳米科学与工程中心访问科学家、论文合著者 Sreebrata Goswami 总结道：“这项工作雄辩地表明，化学可以成为计算的架构师，而不仅仅是材料的提供者。”
