Durante más de 50 años, los científicos han buscado alternativas al silicio como base para dispositivos electrónicos fabricados a partir de moléculas. Aunque el concepto era atractivo, el progreso práctico resultó mucho más difícil. Dentro de los dispositivos reales, las moléculas no se comportan como componentes simples y discretos. En cambio, interactúan fuertemente entre sí a medida que los electrones se mueven, los iones migran, las interfaces cambian e incluso pequeñas diferencias en la composición pueden desencadenar respuestas altamente no lineales. Aunque el potencial de la electrónica molecular era claro, predecir y controlar de forma fiable su comportamiento estaba fuera de nuestro alcance.
Al mismo tiempo, la computación neuromórfica, un hardware inspirado en el cerebro, ha perseguido objetivos similares. El objetivo es encontrar un componente que pueda almacenar, calcular y adaptar información dentro de la misma estructura física y hacerlo en tiempo real. Sin embargo, los principales sistemas neuromórficos actuales, a menudo basados en materiales de óxido y conmutación filamentosa, todavía funcionan como máquinas cuidadosamente diseñadas que imitan el aprendizaje en lugar de materiales naturales.
Los dos caminos comienzan a converger.
Un nuevo estudio del Instituto Indio de Ciencias (IISc) sugiere que estos dos esfuerzos de larga data pueden finalmente converger.
En una colaboración que combina química, física e ingeniería eléctrica, un equipo dirigido por el profesor asistente Sreetosh Goswami del Centro de Nanociencia e Ingeniería (CeNSE) ha desarrollado pequeños dispositivos moleculares cuyo comportamiento se puede ajustar de múltiples maneras. Dependiendo de cómo se estimulen, un mismo dispositivo puede actuar como elemento de memoria, puerta lógica, selector, procesador analógico o sinapsis electrónica. “Es raro ver este nivel de adaptabilidad en materiales electrónicos”, dice Sritosh Goswami. “Aquí, el diseño químico se une al cálculo no como una analogía, sino como un principio funcional”.
Cómo la química permite múltiples funciones
Esta flexibilidad proviene de la química específica utilizada para construir y ajustar los dispositivos. Los investigadores sintetizaron 17 complejos de rutenio cuidadosamente diseñados y estudiaron cómo pequeños cambios en el tamaño molecular y el entorno iónico circundante afectan el comportamiento de los electrones. Al ajustar los ligandos y los iones dispuestos alrededor de las moléculas de rutenio, demostraron que un solo dispositivo podía exhibir muchas respuestas cinéticas diferentes. Esto incluye la conmutación de una amplia gama de valores de conductividad entre funcionamiento digital y analógico.
La síntesis molecular fue realizada por Pradeep Ghosh, miembro de Ramanujan, y Shanti Prasad Rath, ex estudiante de doctorado en CNSE. La fabricación del dispositivo estuvo dirigida por Pallavi Gaur, primer autor y estudiante de doctorado en el CNSE. “Me sorprendió cuánta versatilidad se escondía en el mismo sistema”, dice Gaur. “Con la química molecular y el entorno adecuados, un solo dispositivo puede almacenar información, hacer cálculos con ella o incluso aprender y desaprender. No es algo que se espera de la electrónica de estado sólido”.
Una teoría que explica y predice el comportamiento.
Para comprender por qué estos dispositivos se comportan de esta manera, el equipo necesitaba algo que a menudo falta en la electrónica molecular: un marco teórico sólido. Desarrollaron un modelo de transporte basado en la física de muchos cuerpos y la química cuántica que puede predecir el comportamiento del dispositivo directamente a partir de la estructura molecular. Utilizando este marco, los investigadores pueden rastrear cómo se mueven los electrones a través de películas moleculares, cómo se oxidan y reducen las moléculas individuales y cómo se mueven los contraiones dentro de la matriz molecular. Juntos, estos procesos determinan el comportamiento de conmutación, la dinámica de relajación y la estabilidad de cada estado molecular.
Hacia el aprendizaje basado en materiales
El resultado clave es que la inusual adaptabilidad de estos complejos permite combinar memoria y computación dentro del mismo componente. Esto abre la puerta al hardware neuromórfico donde el aprendizaje se codifica directamente en el material. El equipo ya está trabajando para integrar estos sistemas moleculares en chips de silicio, con el objetivo de crear un futuro hardware de IA que sea energéticamente eficiente e inherentemente inteligente.
“Este trabajo muestra que la química puede ser un arquitecto de la computación, no sólo su proveedor”, dijo Srivara Goswami, científica visitante en CeNSE y coautora del estudio que dirigió el diseño químico.
