Память, логика и обучение в одном теле: материал будущего оказался слишком умным для схем

Электроника, способная адаптироваться и запоминать прошлый опыт, постепенно перестаёт быть фантастикой. Учёные показали, что отдельные молекулы могут вести себя как элементы памяти, логики и даже искусственные синапсы. Такие материалы приближают вычислительные системы к принципам работы человеческого мозга. Об этом сообщает ScienceDaily.

Когда молекулы бросают вызов кремнию

Более пятидесяти лет исследователи искали замену кремнию, надеясь построить электронику на уровне отдельных молекул. Идея сулила компактность и энергоэффективность, но в реальных условиях оказалась куда сложнее. Внутри устройств молекулы активно взаимодействуют между собой, электроны и ионы непрерывно перемещаются, а интерфейсы меняются со временем. Даже незначительные различия в структуре могут вызывать резкие и нелинейные отклики.

Из-за этого поведение молекулярных систем долго оставалось плохо предсказуемым. Потенциал направления был очевиден, но управлять такими устройствами и стабильно повторять результаты не удавалось, что сдерживало практическое развитие молекулярной электроники.

Сближение с нейроморфными технологиями

Параллельно развивались нейроморфные вычисления — попытка создать "железо", которое работает по принципам мозга. Их цель — объединить хранение информации, вычисления и адаптацию в одном физическом носителе. Современные решения, как правило, лишь имитируют обучение и остаются жёстко заданными инженерными конструкциями, несмотря на вдохновение нейробиологией и исследованиями восприятия, показывающими, почему, например, простые изображения для мозга привлекательнее сложных.

"Редко можно увидеть такой уровень адаптивности в электронных материалах. Здесь химия и вычисления соединяются не как метафора, а как рабочий принцип", — отмечает доцент Центра нано-наук и инженерии Шритош Госвами.

Работа команды Индийского института науки показывает, что молекулярная электроника и нейроморфные подходы могут сойтись. Исследователи создали устройства, которые в зависимости от внешнего воздействия способны выполнять разные функции — от памяти до аналоговой обработки сигналов.

Химия как основа вычислений

Ключевым элементом исследования стал тонкий химический дизайн. Учёные синтезировали 17 рутениевых комплексов и изучили, как форма молекул и ионное окружение влияют на перенос заряда. Меняя лиганды и распределение ионов, они добились того, что один и тот же элемент мог работать как память, логический узел, селектор или искусственный синапс.

"Меня поразило, сколько разных возможностей скрыто в одной системе. При правильной химической настройке устройство может хранить информацию, выполнять вычисления и даже учиться", — говорит аспирантка Центра нано-наук и инженерии Паллави Гаур.

Такие устройства переходят между цифровым и аналоговым режимами и демонстрируют широкий диапазон проводимости. Это позволяет не только хранить информацию, но и обрабатывать её в реальном времени, приближаясь к принципам обучения и адаптации, характерным для биологических систем.

Теория, объясняющая поведение

Чтобы понять природу этой гибкости, команда разработала теоретическую модель на основе многочастичной физики и квантовой химии. Она связывает поведение устройства напрямую с его молекулярной структурой и описывает движение электронов, окислительно-восстановительные процессы и миграцию ионов внутри материала.

Такой подход помогает объяснить, почему одни состояния устойчивы, а другие быстро исчезают, и перекликается с современными представлениями о том, как мозг формирует долговременную память. Наличие рабочей теории стало важным шагом для всей области молекулярной электроники.

Материалы, которые способны учиться

Главный вывод исследования заключается в том, что память и вычисления могут быть объединены на уровне самого материала. Это открывает путь к нейроморфным чипам, где обучение заложено в физике устройства, а не в сложной архитектуре схем. Сейчас учёные работают над интеграцией таких молекулярных систем с кремниевыми платформами.

Работа показывает, что химия может стать архитектором вычислений, а не просто их вспомогательным элементом. Такой подход способен изменить представление о будущих вычислительных системах и аппаратной базе искусственного интеллекта.