Durante mais de 50 anos, os cientistas procuraram alternativas ao silício como base para dispositivos eletrónicos feitos de moléculas. Embora o conceito fosse atraente, o progresso prático revelou-se muito mais difícil. Dentro de dispositivos reais, as moléculas não se comportam como componentes simples e discretos. Em vez disso, eles interagem fortemente entre si à medida que os elétrons se movem, os íons migram, as interfaces mudam e até mesmo pequenas diferenças na composição podem desencadear respostas altamente não lineares. Embora o potencial da eletrônica molecular fosse claro, prever e controlar com segurança seu comportamento estava fora de alcance.
Ao mesmo tempo, a computação neuromórfica, hardware inspirado no cérebro, tem perseguido objetivos semelhantes. O objetivo é encontrar um componente que possa armazenar, computar e adaptar informações dentro da mesma estrutura física e fazer isso em tempo real. No entanto, os principais sistemas neuromórficos de hoje, muitas vezes baseados em materiais de óxido e comutação filamentar, ainda funcionam como máquinas cuidadosamente projetadas que imitam a aprendizagem em vez de materiais que ocorrem naturalmente.
Os dois caminhos começam a convergir
Um novo estudo do Instituto Indiano de Ciência (IISc) sugere que estes dois esforços de longa data podem finalmente convergir.
Em uma colaboração que combina química, física e engenharia elétrica, uma equipe liderada pelo professor assistente Sreetosh Goswami do Centro de Nanociência e Engenharia (CeNSE) desenvolveu minúsculos dispositivos moleculares cujo comportamento pode ser ajustado de várias maneiras. Dependendo de como são estimulados, o mesmo dispositivo pode atuar como elemento de memória, porta lógica, seletor, processador analógico ou sinapse eletrônica. “É raro ver esse nível de adaptabilidade na eletrônica”, diz Sritosh Goswami. “Aqui, o projeto químico encontra o cálculo não como uma analogia, mas como um princípio funcional.”
Como a química permite múltiplas funções
Essa flexibilidade vem da química específica usada para construir e ajustar os dispositivos. Os pesquisadores sintetizaram 17 complexos de rutênio cuidadosamente projetados e estudaram como pequenas mudanças no tamanho molecular e no ambiente iônico circundante afetam o comportamento dos elétrons. Ajustando os ligantes e íons dispostos em torno das moléculas de rutênio, eles mostraram que um único dispositivo poderia exibir muitas respostas cinéticas diferentes. Isso inclui alternar uma ampla faixa de valores de condutividade entre operação digital e analógica.
A síntese molecular foi conduzida por Pradeep Ghosh, Ramanujan Fellow, e Shanti Prasad Rath, ex-aluno de doutorado do CNSE. A fabricação do dispositivo foi liderada por Pallavi Gaur, primeiro autor e estudante de doutorado no CNSE. “Fiquei surpreso com a versatilidade escondida no mesmo sistema”, diz Gaur. “Com a química molecular e o ambiente corretos, um único dispositivo pode armazenar informações, fazer cálculos com elas ou até mesmo aprender e desaprender. Não é algo que você espera da eletrônica de estado sólido.”
Uma teoria que explica e prevê o comportamento
Para entender por que esses dispositivos se comportam dessa maneira, a equipe precisava de algo que muitas vezes falta na eletrônica molecular: uma estrutura teórica sólida. Eles desenvolveram um modelo de transporte baseado na física de muitos corpos e na química quântica que pode prever o comportamento do dispositivo diretamente a partir da estrutura molecular. Usando esta estrutura, os pesquisadores podem rastrear como os elétrons se movem através dos filmes moleculares, como as moléculas individuais sofrem oxidação e redução e como os contra-íons se movem dentro da matriz molecular. Juntos, esses processos determinam o comportamento de comutação, a dinâmica de relaxamento e a estabilidade de cada estado molecular.
Rumo à aprendizagem baseada em materiais
O principal resultado é que a adaptabilidade incomum desses complexos torna possível combinar memória e computação no mesmo componente. Isso abre a porta para o hardware neuromórfico, onde o aprendizado é codificado diretamente no material. A equipe já está trabalhando para integrar esses sistemas moleculares em chips de silício, com o objetivo de criar futuro hardware de IA que seja energeticamente eficiente e inerentemente inteligente.
“Este trabalho mostra que a química pode ser uma arquiteta da computação, e não apenas sua fornecedora”, disse Srivara Goswami, cientista visitante da CeNSE e coautor do estudo que liderou o projeto químico.
