Piin korvaaminen muotoa muuttavilla molekyyleillä

Tutkijat osoittavat molekyylilaitteita, jotka vaihtavat muistin, logiikan ja synapsin roolien välillä mahdollistaen mukautuvan neuromorfisen laskennan suoraan elektronisissa materiaaleissa.





Kun laskentajärjestelmät ylittävät piin rajat, tutkijat etsivät materiaaleja, jotka voivat tehdä muutakin kuin vain tallentaa ja käsitellä tietoja.Molekyylielektroniikka lupasi kerran erittäin kompakteja laitteita, mutta todellisen maailman molekyylikäyttäytyminen osoittautui arvaamattomaksi.Samanaikaisesti neuromorfinen tietojenkäsittely on pyrkinyt rakentamaan laitteistoa, joka voi oppia ja mukautua kuten aivot.Silti useimmat olemassa olevat alustat luottavat jäykiin materiaaleihin, jotka vain jäljittelevät monimutkaisten piirien kautta tapahtuvaa oppimista.


Tämän aukon korjaamiseksi Intian tiedeinstituutin tutkijat ovat osoittaneet uuden tavan koodata mukautuva älykkyys suoraan molekyyliaineeseen.Sreetosh Goswamin johtama Nano Science and Engineering -keskuksen tiimi kehitti molekyylilaitteita, joiden toimintaa voidaan muuttaa tarpeen mukaan.Yksi laite voi toimia muistina, logiikkana, analogisena prosessorina, valittimena tai elektronisena synapsina riippuen siitä, miten sitä stimuloidaan.

Sopeutumiskyky tulee kemiallisesta suunnittelusta.Tutkijat syntetisoivat 17 ruteenipohjaista molekyylikompleksia ja osoittivat, että pienet muutokset molekyylirakenteessa ja ympäröivissä ioneissa vaikuttavat voimakkaasti elektronien liikkumiseen.Virittämällä tätä kemiaa sama laite voi vaihtaa digitaalisen ja analogisen käyttäytymisen välillä useissa eri johtavuustiloissa.

Selvittääkseen tätä käyttäytymistä ryhmä kehitti teoreettisen viitekehyksen, jossa yhdistettiin kvanttikemia ja kehon fysiikka.Malli kuvaa kuinka elektronien kuljetus, molekyylien hapetus ja pelkistys sekä ionien uudelleenjärjestely yhdessä määrittävät kytkentädynamiikan ja vakauden.Tämä mahdollistaa laitteen toiminnan ennustamisen molekyylirakenteen perusteella.Lähestymistapa yhdistää muistin ja laskennan samassa materiaalissa avaamalla polun kohti neuromorfista laitteistoa, jossa oppiminen on rakennettu itse aineeseen.


Tutkimuksen keskeisiä piirteitä ovat mm.

Kemiallisesti suunnitellut molekyylilaitteet, joilla on mukautuva käyttäytyminen
Useita toimintoja koodattu yhteen laitteeseen
Yhtenäinen muisti ja laskenta samassa materiaalissa
Ennustava teoria, joka yhdistää molekyylirakenteen toimintaan
Sreebrata Goswami, CeNSE:n vieraileva tutkija ja tutkimuksen toinen kirjoittaja, joka johti kemiallista suunnittelua, sanoo: "Tällä tasolla on harvinaista nähdä mukautumiskykyä elektronisissa materiaaleissa. Tässä kemiallinen suunnittelu kohtaa laskennan, ei analogiana, vaan toimintaperiaatteena."