Além do silício: essas moléculas que mudam de forma podem ser o futuro do hardware de IA

Ao mesmo tempo, a computação neuromórfica, hardware inspirado no cérebro, tem perseguido um objetivo semelhante. O objetivo é encontrar um material que possa armazenar informações, realizar cálculos e se adaptar dentro da mesma estrutura física e fazê-lo 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 a contêm naturalmente.

Dois caminhos começam a convergir

Um novo estudo do Instituto Indiano de Ciência (IISc) sugere que estes dois esforços de longa data podem finalmente estar a unir-se.

Numa colaboração que reúne química, física e engenharia elétrica, uma equipe liderada por Sreetosh Goswami, professor assistente 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 adaptabilidade neste nível em materiais eletrônicos”, diz Sreetosh Goswami. “Aqui, o design químico encontra a computação, não como uma analogia, mas como um princípio de funcionamento.”

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 na forma molecular e no ambiente iônico circundante influenciam o comportamento dos elétrons. Ajustando os ligantes e íons dispostos em torno das moléculas de rutênio, eles demonstraram que um único dispositivo pode exibir muitas respostas dinâmicas diferentes. Isso inclui mudanças entre operação digital e analógica em uma ampla faixa de valores de condutância.

A síntese molecular foi realizada por Pradip Ghosh, Ramanujan Fellow, e Santi Prasad Rath, ex-aluno de doutorado do CeNSE. A fabricação do dispositivo foi liderada por Pallavi Gaur, primeiro autor e estudante de doutorado no CeNSE. “O que me surpreendeu foi quanta versatilidade estava escondida no mesmo sistema”, diz Gaur. “Com a química molecular e o ambiente corretos, um único dispositivo pode armazenar informações, computar com elas ou até mesmo aprender e desaprender. Isso 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 rastrearam como os elétrons se movem através do filme molecular, como as moléculas individuais sofrem oxidação e redução e como os contra-íons se deslocam dentro da matriz molecular. Juntos, esses processos determinam o comportamento de troca, a dinâmica de relaxamento e a estabilidade de cada estado molecular.

Rumo à aprendizagem incorporada nos materiais

O principal resultado é que a adaptabilidade incomum desses complexos torna possível combinar memória e computação no mesmo material. Isso abre a porta para o hardware neuromórfico no qual o aprendizado é codificado diretamente no próprio 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 eficiente em termos energéticos e inerentemente inteligente.

“Este trabalho mostra que a química pode ser uma arquiteta da computação, e não apenas sua fornecedora”, diz Sreebrata Goswami, cientista visitante do CeNSE e coautor do estudo que liderou o projeto químico.