Молекулы-трансформеры могут стать основой для будущих нейроморфных чипов

Ученые из Индийского института науки (IISc) создали молекулярные устройства, способные адаптировать свое поведение в реальном времени, выступая в роли памяти, логического элемента или искусственного синапса. Это открытие приближает создание электроники, которая обучается подобно мозгу.

Исследователи создали молекулярные устройства, которые могут адаптировать свое поведение в реальном времени, функционируя как память, логика или искусственные синапсы. Открытие приближает электронику к материалам, которые учатся так же, как мозг. Авторские права: AI/ScienceDaily.com

Более 50 лет ученые искали альтернативу кремнию в виде электронных устройств, построенных из молекул. Хотя концепция была привлекательной, практический прогресс оказался гораздо сложнее. Внутри реальных устройств молекулы ведут себя не как простые, изолированные компоненты. Вместо этого они интенсивно взаимодействуют друг с другом по мере движения электронов, смещения ионов, изменения интерфейсов, и даже крошечные различия в структуре могут вызывать высоконелинейные реакции.

В новой работе команда под руководством Шритоша Госвами разработала крошечные молекулярные устройства, поведение которых можно настраивать несколькими способами. В зависимости от типа стимуляции одно и то же устройство может действовать как элемент памяти, логический вентиль, селектор, аналоговый процессор или электронный синапс.

«Редко можно увидеть такую степень адаптивности в электронных материалах, — говорит Шритош Госвами. — Здесь химический дизайн встречается с вычислениями не как аналогия, а как рабочий принцип».

Эта гибкость проистекает из конкретной химии, используемой для создания и настройки устройств. Исследователи синтезировали 17 тщательно спроектированных комплексов рутения и изучили, как небольшие изменения в форме молекулы и окружающей ионной среде влияют на поведение электронов. Настраивая лиганды и ионы вокруг молекул рутения, они показали, что одно устройство может демонстрировать множество различных динамических откликов, включая переключение между цифровым и аналоговым режимами работы в широком диапазоне значений проводимости.

Чтобы понять это поведение, команда разработала транспортную модель, основанную на многочастичной физике и квантовой химии, которая может предсказывать поведение устройства непосредственно из молекулярной структуры.

«Меня удивило, сколько универсальности было скрыто в одной и той же системе, — говорит первый автор работы, аспирант Паллави Гаур. — При правильной молекулярной химии и окружении одно устройство может хранить информацию, вычислять с ее помощью или даже обучаться и разучиваться. Этого не ожидаешь от твердотельной электроники».

Ключевой результат заключается в том, что необычная адаптивность этих комплексов позволяет объединить память и вычисления в одном материале. Это открывает путь к созданию нейроморфного оборудования, в котором обучение закодировано непосредственно в самом материале. Команда уже работает над интеграцией этих молекулярных систем в кремниевые чипы с целью создания будущего аппаратного обеспечения для ИИ, которое будет одновременно энергоэффективным и обладающим внутренним интеллектом.

Источники: sciencedaily.com, Indian Institute of Science (IISc).