研究背景与核心问题 - 半个多世纪以来，行业一直在探索利用分子构建电子器件以突破硅基限制，但分子器件内部行为复杂、难以可靠预测和控制 [2] - 神经形态计算旨在寻找一种能同时存储信息、执行计算并进行适应的材料，但当前主流方法更像是模拟学习过程，而非材料本身具备学习能力 [2] 解决方案与技术创新 - 印度科学研究所的研究团队创造了一种可调控的微型分子器件，能根据刺激方式作为存储单元、逻辑门、选择器、模拟处理器或电子突触发挥作用 [3] - 该器件的灵活性源于化学方法，通过精心设计17种钌配合物，并调整分子周围的配体和离子，使单个器件能展现多种动态响应，甚至在很宽的电导值范围内切换数字和模拟行为 [3] - 同一个分子系统具备多功能性，通过合适的分子化学和环境，单个器件可以存储信息、进行计算，甚至可以学习和遗忘 [4] - 研究团队构建了基于多体物理和量子化学的输运框架，能根据分子结构预测器件功能，追踪电子传输路径、分子氧化还原过程及反离子迁移 [4] 潜在应用与行业影响 - 该复合物的适应性使得将记忆和计算功能结合在同一种材料中成为可能，为神经形态硬件开辟了新途径，使学习功能能够编码到材料本身 [5] - 团队正致力于将这些材料应用于硅芯片，目标是构建未来既节能又具有内在智能的人工智能硬件 [5] - 此项工作表明，化学可以成为计算的架构师，而不仅仅是计算的提供者 [5]