告别晶体管，新型 “智能” 材料能像人类大脑一样运算

长久以来，研究人员一直致力于通过分子构建电子器件，以期突破硅基技术的局限。这一构想听起来简洁而精妙，但实际器件的研发却困难重重。在正常工作的元件内部，分子的行为并非教科书所描述的那般规整、独立。相反，它们会形成拥挤且相互作用的网络，在这个网络中，电子发生迁移、离子改变位置、界面随时间演变，甚至分子结构的微小差异都可能触发强烈的非线性行为。

因此，尽管其潜力令人振奋，但要可靠地预测和控制分子器件的性能，长期以来始终是一个难以实现的目标。

神经形态计算领域也在追求一个相关目标。神经形态计算是一种受大脑启发的硬件技术，旨在寻找一种能够在同一物理介质内，实时完成信息存储、计算和自适应调节的材料。然而，当前主流的技术方案（多基于氧化物材料和细丝开关效应），本质上仍属于精心设计的模拟学习系统，而非物理行为本身就天然具备学习能力的材料。

印度科学理工学院新研究：两大挑战的共同解决方案

印度科学理工学院（IISc）的一项新研究表明，这两个长期存在的难题，或许能通过同一方案得到解决。

纳米科学与工程中心（CeNSE）助理教授斯里托什・戈斯瓦米（Sreetosh Goswami）带领一支跨化学、物理和电子工程领域的研究团队，成功制备出可调控的微小分子器件，这类器件能承担多种截然不同的功能。

根据刺激方式的不同，它可分别作为存储单元、逻辑门、选择器、模拟处理器或电子突触发挥作用。 斯里托什・戈斯瓦米表示，“在电子材料中，如此高程度的适应性实属罕见。在本研究中，化学设计与计算并非简单的类比关系，而是作为核心工作原理深度融合。”

钌化学驱动分子的形态转变行为

这种多功能性源于器件构建与调控所采用的化学机制。研究人员精心设计并合成了 17 种钌配合物，随后系统研究了分子形状和周围离子环境的微小变化对电子行为的影响。团队发现，通过调整钌分子周围的配体和离子，单个器件即可展现出多种动态响应。例如，它能在较宽的电导范围内，实现数字行为与模拟行为之间的切换。

值得注意的是，这项研究的分子合成工作由拉马努金奖研究员普拉迪普・戈什（Pradip Ghosh），以及纳米科学与工程中心前博士生桑蒂・普拉萨德・拉特（Santi Prasad Rath）完成。器件制备工作则由该研究第一作者、纳米科学与工程中心博士生帕拉维・高尔（Pallavi Gaur）主导。

高尔表示，“令我感到惊讶的是，同一系统中竟蕴藏着如此强大的多功能性，只要具备合适的分子化学特性和环境条件，单个器件就能完成信息存储、信息计算，甚至学习与遗忘的过程。这是传统固态电子器件无法实现的。”

分子结构预测器件功能的理论体系

要解释这类器件的独特行为，就必须解决分子电子学领域长期存在的短板，缺乏坚实的理论基础。

该研究团队基于多体物理学和量子化学，构建了一套输运理论框架，能够通过分子结构预测器件功能。借助这一框架，他们清晰地揭示了电子在分子薄膜中的传输路径、单个分子的氧化还原过程，以及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和弛豫行为，并影响着每个分子状态的稳定性。

迈向 “材料内置学习功能” 的神经形态硬件

该研究的核心结论在于：这类配合物的自适应特性，使得在同一材料中集成存储与计算功能成为可能。这为神经形态硬件的研发开辟了新路径，未来的神经形态硬件，其学习能力可直接编码于材料本身。

目前，研究团队已着手将这类材料集成到硅芯片上，目标是研发出兼具高能效和固有智能的下一代人工智能硬件。

纳米科学与工程中心访问科学家、本研究共同作者斯里布拉塔・戈斯瓦米（Sreebrata Goswami）表示，“这项研究表明，化学不仅是计算技术的材料供应商，更可以成为计算架构的设计者，”