Seit mehr als 50 Jahren suchen Wissenschaftler nach Alternativen zu Silizium für den Bau molekularer Elektronik. Die Vision war elegant, die Realität erwies sich jedoch als weitaus komplexer. Innerhalb eines Geräts verhalten sich Moleküle nicht wie geordnete Einheiten aus dem Lehrbuch, sondern wie dicht interagierende Systeme, in denen Elektronen fließen, Ionen sich neu verteilen, Schnittstellen sich entwickeln und selbst subtile strukturelle Veränderungen stark nichtlineare Reaktionen hervorrufen können.
Das Versprechen war überzeugend, doch eine vorausschauende Steuerung blieb schwer fassbar. Unterdessen verfolgte die neuromorphe Datenverarbeitung – Hardware, die vom Gehirn inspiriert ist – ein ähnliches Ziel: die Entdeckung eines Materials, das Informationen speichern, berechnen und sich innerhalb desselben physikalischen Substrats und in Echtzeit anpassen kann. Doch die heute vorherrschenden Plattformen, die weitgehend auf Oxidmaterialien und filamentären Schaltmechanismen basieren, verhalten sich weiterhin wie konstruierte Maschinen, die das Lernen nachahmen, und nicht wie Materie, die es von Natur aus verkörpert.
Molekulare Bauelemente mit multipler Funktionalität
Eine neue Studie des Indian Institute of Science (IISc) legt nahe, dass diese beiden seit langem bestehenden Herausforderungen endlich zusammengeführt werden können. In einer Zusammenarbeit zwischen Chemie, Physik und Elektrotechnik hat ein Team unter der Leitung von Sreetosh Goswami, Assistenzprofessor am Centre for Nano Science and Engineering (CeNSE), winzige molekulare Bauelemente entwickelt, die so angepasst werden können, dass sie verschiedene Funktionen erfüllen. Das gleiche Gerät kann je nach Stimulation als Speichereinheit, Logikgatter, Selektor, Analogprozessor oder elektronische Synapse fungieren. „Eine solche Anpassungsfähigkeit ist bei elektronischen Materialien selten anzutreffen“, sagt Sreetosh Goswami. „Hier trifft chemisches Design auf Computertechnik, nicht als Analogie, sondern als Funktionsprinzip.“
Diese Formveränderung wird durch eine einzigartige Chemie ermöglicht, die zum Bau und zur Feinabstimmung dieser Bauelemente verwendet wird. Das Team synthetisierte 17 sorgfältig entworfene Rutheniumkomplexe und analysierte, wie winzige Abweichungen in der Molekülgeometrie und der ionischen Umgebung das Verhalten der Elektronen beeinflussen. Durch sorgfältige Feinabstimmung der um die Rutheniummoleküle angeordneten Liganden und Ionen zeigten die Autoren, dass dasselbe Bauelement über einen weiten Bereich von Leitfähigkeitswerten hinweg viele Arten von dynamischem Verhalten zeigen kann – beispielsweise den Wechsel von digital zu analog.
Die molekulare Synthese wurde von Pradip Ghosh, Ramanujan Fellow, und Santi Prasad Rath, ehemaliger Doktorand am CeNSE, durchgeführt. Die Herstellung der Geräte wurde von Pallavi Gaur, Erstautorin und Doktorandin am CeNSE, geleitet. „Was mich überrascht hat, war, wie viel Vielseitigkeit in demselben System steckt“, sagt Gaur. „Mit der richtigen Molekülchemie und Umgebung kann ein einzelnes Gerät Informationen speichern, damit rechnen oder sogar lernen und verlernen. Das ist etwas, was man von Festkörperelektronik nicht erwartet.“
Theoretische Modelle machen molekulare Intelligenz vorhersagbar
Um zu verstehen, warum dies geschieht, fehlte der Molekularelektronik lange Zeit ein wichtiges Element: eine solide theoretische Grundlage. Das Team entwickelte ein Transportmodell auf der Grundlage der Vielteilchenphysik und Quantenchemie, mit dem sich die Funktion anhand der Molekülstruktur vorhersagen lässt. Damit konnten sie nachzeichnen, wie Elektronen den Molekülfilm durchqueren, wie einzelne Moleküle oxidieren und reduzieren und wie sich Gegenionen innerhalb der Molekülmatrix neu anordnen, wodurch sie gemeinsam die Schalt- und Relaxationsdynamik sowie die Stabilität jedes Molekülzustands steuern.
Entscheidend ist, dass die einzigartige Anpassungsfähigkeit dieser Komplexe es ermöglicht, sowohl Speicher als auch Rechenleistung in dasselbe Material zu integrieren – dies kann zu neuromorpher Hardware führen, bei der das Lernen in das Material selbst kodiert werden kann. Das Team arbeitet bereits daran, solche Materialien in Siliziumchips zu integrieren, mit dem Ziel, zukünftige KI-Hardware zu entwickeln, die sowohl effizient als auch intrinsisch intelligent ist.
„Diese Arbeit zeigt, dass die Chemie nicht nur Lieferant, sondern auch Architekt der Berechnung sein kann“, sagt Sreebrata Goswami, Gastwissenschaftler am CeNSE und Mitautor der Studie, der das chemische Design leitete.
