共计 1402 个字符，预计需要花费 4 分钟才能阅读完成。
科学家们研发出一种能够实时调整行为模式的新型分子器件，它集信息存储、逻辑运算和人工突触功能于一体。这一突破性进展，为电子器件迈向具备类脑学习能力的材料提供了关键一步，标志着自适应 AI 硬件的发展进入了新纪元。
过去半个多世纪，科研人员一直致力于寻找能够替代硅材料的分子电子学方案。尽管这一构想极具前景，但实际进展远比预想中艰难。在真实器件中，分子并非孤立运作的简单元件。电子迁移、离子位移和界面变化会引发强烈的分子间相互作用，即使微小的结构差异也可能导致高度非线性的响应。尽管分子电子学潜力巨大，但如何可靠地预测和控制其行为，始终是悬而未决的挑战。
与此同时，受大脑启发的神经形态计算领域也在追寻类似目标：寻找能够在同一物理结构中实时存储信息、执行计算并自我调节的材料。然而，当前主流的神经形态系统大多基于氧化物材料和细丝开关机制，其运作方式更像是经过精密设计的“仿学习”机器，而非真正具备天然学习能力的材料。
两条路径的汇合点
印度科学研究所的最新研究显示，这两个长期探索的领域可能正在产生交集。
通过跨化学、物理与电气工程领域的协作，由纳米科学与工程中心助理教授 Sreetosh Goswami 带领的团队，成功开发出具备多重调控能力的微型分子器件。同一器件根据激励方式的不同，可分别扮演存储元件、逻辑门、选择器、模拟处理器或电子突触的角色。“在电子材料中实现这种程度的适应性非常罕见，”Sreetosh Goswami 指出，“在这里，化学设计与计算不再是简单的类比关系，而是成为了实际的工作原理。”
化学机制如何实现多功能集成
这种灵活性源于器件构建与调控所采用的特定化学方法。研究团队合成了 17 种精心设计的钌配合物，系统研究了分子构型的微小变化及周围离子环境对电子行为的影响。通过调整钌分子周围的配体和离子排布，他们证明单一器件可呈现多种动态响应，包括在宽电导值范围内实现数字与模拟模式的切换。
分子合成工作由拉马努金奖获得者 Pradip Ghosh 与纳米科学与工程中心前博士生 Santi Prasad Rath 共同完成。器件制备则由该中心博士生、论文第一作者 Pallavi Gaur 主导。“最令人惊讶的是同一系统中隐藏的多功能性，”Gaur 表示，“通过恰当的分子化学设计与环境调控，单个器件既能存储信息，又能进行计算，甚至具备学习与遗忘能力。这在固态电子学中是难以想象的。”
解释与预测行为的理论框架
为了理解这些器件的行为机制，研究团队构建了分子电子学领域长期缺乏的坚实理论框架。他们基于多体物理与量子化学开发了传输模型，能够直接从分子结构预测器件行为。利用这一框架，研究人员追踪了电子穿越分子薄膜的过程，解析了单个分子的氧化还原反应，并揭示了抗衡离子在分子基质中的迁移规律。这些过程共同决定了器件的开关特性、弛豫动力学以及各分子态的稳定性。
迈向材料内嵌学习能力
这项研究的核心突破在于：钌配合物的特殊适应性使得信息存储与计算功能能够在同一材料中融合。这为开发学习能力直接编码于材料内部的神经形态硬件开辟了道路。该团队正致力于将这些分子系统集成到硅芯片上，旨在打造兼具高能效与内禀智能的未来 AI 硬件。
“这项研究表明，化学不仅能提供用于计算的材料，更能成为计算架构的设计师，”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。这为构建下一代自适应 AI 硬件提供了全新的思路和坚实的科学基础。
