超越硅：这些能变形的分子或是AI硬件的未来

受大脑启发的神经形态计算一直致力于寻找可在同一物理结构中实时存储信息、执行计算并自适应的材料，但当前主流系统多为模仿学习的“机器”，而非天然具备学习能力的材料。印度科学研究所（IISc）的新研究显示，这一长期探索或迎来突破。

由纳米科学与工程中心（CeNSE）助理教授Sreetosh Goswami领导的跨学科团队（融合化学、物理和电气工程）开发出微型分子器件，其行为可通过多种方式调节。同一器件根据刺激不同，能充当存储元件、逻辑门、选择器、模拟处理器或电子突触。Sreetosh Goswami指出，这种高适应性在电子材料中罕见，化学设计与计算在此是作为工作原理结合，而非类比。

这种灵活性源于构建器件的特定化学原理。研究人员合成17种精心设计的钌配合物，发现分子形状和周围离子环境的微小变化会影响电子行为。通过调整钌分子周围的配体和离子，单个器件可展现多种动态响应，包括在广泛电导值范围内切换数字与模拟操作。分子合成由Pradip Ghosh和Santi Prasad Rath完成，器件制备由第一作者Pallavi Gaur主导，她惊叹于同一系统的多功能性，称其能存储、计算甚至学习遗忘，这是固态电子学难以实现的。

为理解器件行为，团队构建了基于多体物理和量子化学的传输模型，可从分子结构直接预测器件行为，追踪电子运动、分子氧化还原及反离子移动等过程，这些共同决定了开关行为、弛豫动力学和状态稳定性。

关键成果是，这些配合物的非凡适应性实现了同一材料中存储与计算的结合，为神经形态硬件奠定基础，使学习能力可直接编码到材料中。团队正将分子系统集成到硅芯片，目标是打造能效高且具内在智能的未来AI硬件。主导化学设计的合著者Sreebrata Goswami表示，化学不仅是计算的“供应商”，更是“架构师”。