Molecole mutaforma per l’hardware dell’intelligenza artificiale

I ricercatori dell’Indian Institute of Science hanno creato dispositivi molecolari in grado di adattare il loro comportamento in tempo reale, funzionando come memoria, logica o sinapsi artificiali. La scoperta potrebbe favorire lo sviluppo di hardware di intelligenza artificiale più efficienti.

Gli scienziati dell’Indian Institute of Science (IISc) hanno sviluppato dispositivi molecolari in grado di cambiare ruolo, comportandosi come elementi di memoria, logica o apprendimento all’interno della stessa struttura. La svolta deriva da una precisa progettazione chimica che consente a elettroni e ioni di riorganizzarsi dinamicamente. A differenza dell’elettronica convenzionale, questi dispositivi non si limitano a imitare l’intelligenza, ma la codificano fisicamente. Questo approccio potrebbe rimodellare il modo in cui verrà costruito l’hardware per l’intelligenza artificiale del futuro.

Da oltre 50 anni, gli scienziati stanno cercando alternative al silicio come base per dispositivi elettronici costruiti a partire da molecole. Sebbene il concetto fosse allettante, il progresso pratico si è rivelato molto più difficile. Lo studio dell’Indian Institute of Science ha sviluppato minuscoli dispositivi molecolari il cui comportamento può essere regolato in diversi modi. A seconda di come vengono stimolati, lo stesso dispositivo può fungere da elemento di memoria, porta logica, selettore, processore analogico o sinapsi elettronica. “È raro vedere un’adattabilità di questo livello nei materiali elettronici. Qui, la progettazione chimica incontra la computazione, non come un’analogia, ma come un principio di funzionamento” afferma il Sreetosh Goswami, professore associato presso il Centre for Nano Science and Engineering (CeNSE).

Come la chimica consente molteplici funzioni

Questa flessibilità deriva dalla chimica specifica utilizzata per costruire e regolare i dispositivi. I ricercatori hanno sintetizzato 17 complessi di rutenio accuratamente progettati e hanno studiato come piccole variazioni nella forma molecolare e nell’ambiente ionico circostante influenzano il comportamento degli elettroni. Regolando i ligandi e gli ioni disposti attorno alle molecole di rutenio, hanno dimostrato che un singolo dispositivo può mostrare molte risposte dinamiche diverse. Questi includono variazioni tra funzionamento digitale e analogico in un’ampia gamma di valori di conduttanza.

La sintesi molecolare è stata condotta da Pradip Ghosh, Ramanujan Fellow, e Santi Prasad Rath, ex dottorando presso il CeNSE. La fabbricazione del dispositivo è stata guidata da Pallavi Gaur, primo autore e dottorando presso il CeNSE. “Ciò che mi ha sorpreso è stata la grande versatilità nascosta nello stesso sistema. Con la giusta chimica molecolare e il giusto ambiente, un singolo dispositivo può memorizzare informazioni, elaborarle o persino apprendere e disimparare. Questo non è qualcosa che ci si aspetta dall’elettronica a stato solido” afferma Gaur. 

Per comprendere perché questi dispositivi si comportino in questo modo, il team dell’IISc aveva bisogno di qualcosa che spesso mancava nell’elettronica molecolare: un solido quadro teorico. Ha sviluppato un modello di trasporto basato sulla fisica a molti corpi e sulla chimica quantistica in grado di prevedere il comportamento del dispositivo direttamente dalla struttura molecolare. Utilizzando questo quadro, i ricercatori hanno tracciato il modo in cui gli elettroni si muovono attraverso il film molecolare, come le singole molecole subiscono ossidazione e riduzione e come i controioni si spostano all’interno della matrice molecolare. Insieme, questi processi determinano il comportamento di commutazione, le dinamiche di rilassamento e la stabilità di ogni stato molecolare.

Verso l’apprendimento integrato nei materiali

Il risultato chiave è che l’insolita adattabilità di questi complessi rende possibile combinare memoria e calcolo all’interno dello stesso materiale. Questo apre le porte all’hardware neuromorfico in cui l’apprendimento è codificato direttamente nel materiale stesso. Il team sta già lavorando per integrare questi sistemi molecolari su chip di silicio, con l’obiettivo di creare un futuro hardware di intelligenza artificiale efficiente dal punto di vista energetico e intrinsecamente intelligente.