Nature新分子装置具有前所未有的可重构性，让人联想到大脑的可塑性

研究人员描述了一种具有非凡计算能力的新型分子装置。让人想起人脑中连接的可塑性，该设备可以通过简单地改变外加电压，动态地重新配置，以完成不同的计算任务。此外，就像神经细胞可以储存记忆一样，同样的设备也可以保留信息，以便将来检索和处理。

　　

这让人想起了人类大脑中连接的可塑性，该设备可以通过简单地改变施加的电压，在不同的计算任务中动态地重新配置。此外，就像神经细胞可以储存记忆一样，这个设备也可以保留信息，以便将来提取和处理。

“大脑有一种非凡的能力，可以通过建立和破坏神经细胞之间的连接来改变周围的线路。在物理系统中实现可与之媲美的东西是极具挑战性的，”德克萨斯农工大学电气与计算机工程系教授r·斯坦利·威廉姆斯博士说。“我们现在创造了一种具有戏剧性可重构性的分子设备，这不是通过改变大脑中的物理连接，而是通过重新编程其逻辑来实现的。”

T. Venkatesan博士，俄克拉何马大学量子研究与技术中心(CQRT)主任，盖瑟斯堡国家标准与技术研究所科学附属机构，新加坡国立大学电子与计算机工程兼职教授，他们补充说，他们的分子装置在未来可能有助于设计下一代处理芯片，提高计算能力和速度，但消耗的能源大大减少。

无论是熟悉的笔记本电脑还是复杂的超级计算机，数字技术都面临着一个共同的敌人，冯·诺伊曼瓶颈。这种计算处理的延迟是当前计算机体系结构的结果，其中包含数据和程序的内存在物理上与处理器分离。结果，计算机花费大量时间在两个系统之间来回传送信息，造成了瓶颈。此外，尽管处理器速度非常快，但这些单元在信息交换期间可能会闲置很长时间。

作为用于设计存储单元和处理器的传统电子部件的替代品，一种被称为记忆电阻器的设备提供了一种绕过冯·诺伊曼瓶颈的方法。记忆电阻器，例如由二氧化铌和二氧化钒制成的记忆电阻器，在一定温度下从绝缘体转变为导体。这个特性使这些类型的记忆电阻器能够执行计算和存储数据。

然而，尽管有许多优点，这些金属氧化物记忆电阻器是由稀土元素制成的，只能在有限的温度范围内工作。威廉姆斯说，因此，人们一直在寻找具有类似记忆功能的有机分子。

印度科学培养协会(Indian Association for the Cultivation of Science)的教授斯里布拉塔·戈斯瓦米(Sreebrata Goswami)博士设计了这项工作中使用的材料。该化合物有一个中心金属原子(铁)与三个称为配体的苯基偶氮吡啶有机分子结合。

“这就像一个电子海绵，可以可逆地吸收多达6个电子，导致7种不同的氧化还原状态，”Sreebrata说。“这些状态之间的相互连接是这项工作中显示的可重构性背后的关键。”

新加坡国立大学(National University of Singapore)的研究人员斯里托什·格斯瓦米(Sreetosh Goswami)博士设计了这个项目，他创造了一个微型电路，该电路由一层40纳米的分子膜组成，它夹在顶部的一层金和底部的镀金纳米盘和铟锡氧化物之间。

当在设备上施加负电压时，sreettosh看到了一个前所未有的电流-电压曲线。与金属氧化物记忆电阻器不同的是，金属氧化物记忆电阻器可以在一个固定电压下从金属转换到绝缘体，而有机分子器件可以在几个离散的顺序电压下从绝缘体转换到导体。

“所以，如果你把这个设备想象成一个开关，当我们把电压扫到更负的时候，这个设备首先从开到关，再从关到开，再从开到关，然后再回到开。我会说我们只是被吹出了座位。”“我们必须说服自己，我们看到的是真实的。”

Sreetosh和Sreebrata使用一种叫做拉曼光谱的成像技术研究了这种奇怪的开关行为背后的分子机制。特别是，他们在有机分子的振动运动中寻找光谱特征，以解释多重跃迁。他们的研究显示，扫电压负触发了分子上的配体经历一系列还原或电子获取事件，导致分子在关态和开态之间转变。

接下来，为了从数学上描述极端复杂的分子器件的电流-电压分布，威廉姆斯偏离了基于基本物理方程的传统方法。相反，他使用决策树算法描述了分子的行为，并使用了“如果-然后-其他”语句，这是许多计算机程序(尤其是数字游戏)中常见的一行代码。

“电子游戏的结构是，你的角色做了一些事情，然后发生了一些事情。所以，如果你在计算机算法中写出来，它们就是if-then-else语句。”“在这里，由于施加的电压，分子从打开到关闭，这时我灵机一动，用决策树来描述这些设备，效果非常好。”

但研究人员更进一步，利用这些分子设备来运行程序，以执行不同的现实世界的计算任务。sreettosh通过实验证明，他们的设备可以在一个时间步内完成相当复杂的计算，然后重新编程，在下一个瞬间执行另一项任务。

“这太离奇了;我们的设备所做的事情与大脑所做的类似，但方式非常不同，”斯里托什说。“当你在学习新东西或做决定时，大脑实际上可以重新配置和改变周围的物理线路。类似地，我们可以通过给设备一个不同的电压脉冲，从逻辑上重新编程或重新配置设备。”

Venkatesan指出，需要数千个晶体管来执行与一个分子器件不同的决策树相同的计算功能。因此，他说，他们的技术可能首先用于手持设备，如手机和传感器，以及其他电力有限的应用。

该研究的其他贡献者包括新加坡国立大学的Abhijeet Patra博士和Ariando博士;来自印度科学培养协会的Rajib Pramanick博士和Santi Prasad Rath博士;科罗拉多州惠普企业公司的Martin Foltin博士;以及来自爱尔兰利默里克大学的达米安·汤普森博士。

Venkatesan说，这项研究表明了这个合作团队未来的发现，该团队将包括印度科学研究所的纳米科学和工程中心以及NIST的微系统和纳米技术部门。

这项多学科和跨国研究得到了新加坡国家研究基金会竞争研究项目的支持;印度科学与工程研究委员会;德克萨斯农工大学总统卓越基金的X-Grants项目;新加坡先进制造和工程个人研究基金资助的科学、技术和研究;俄克拉荷马大学(CQRT University of Oklahoma)的启动资金;以及爱尔兰的科学基金会。

Journal Reference:

1. Sreetosh Goswami, Rajib Pramanick, Abhijeet Patra, Santi Prasad Rath, Martin Foltin, A. Ariando, Damien Thompson, T. Venkatesan, Sreebrata Goswami, R. Stanley Williams. Decision trees within a molecular memristor. Nature, 2021; 597 (7874): 51 DOI: 10.1038/s41586-021-03748-0