Nature Materials综述：数据爆炸的时代，分子材料颠覆传统计算！

第一作者：R. Stanley Williams

通讯作者：Sreetosh Goswami

论文速览：

本论文深入探讨了分子材料在计算领域的应用潜力及其面临的挑战。作者指出，随着数据量的爆炸性增长和人工智能的发展，传统计算技术已难以满足当前的需求。

分子材料因其独特的电子、光学和磁性特性，为计算技术的发展提供了新的可能性。文章特别强调了利用过渡金属配合物和具有氧化还原活性配体的分子材料在神经形态计算中的应用，并讨论了为了确定分子材料是否能成为新型计算技术基础所需的两条互补研究路径。

论文中提到的数据包括分子电子学的发展历史、分子材料的计算性能以及未来的研究方向。

图文导读：

图1 | 偶氮芳基电子海绵的不同电子占据状态：展示了代表性的Ru配合物的电子接受能力。通过改变电压，金属配合物的电子海绵可以吸收或释放电子，从而实现不同的电子占据状态。

图2 | 分子薄膜中的多路径相互作用和机制：描述了金属电极之间的分子薄膜包含不同带电组分，它们之间的相互作用可以长期保持，即使在电压关闭后也能持续存在。这些动态拓扑结构进一步促进了一系列分子内和分子间的转变，包括氧化还原、电荷重排和几何改变。

图3 | 为增强计算能力而定制的分子：展示了三种不同的RuII和FeII配合物及其稳态特性的比较。通过改变配体和金属中心，可以实现不同的导电平台，从而实现具有多个稳健、非挥发性状态的记忆功能。

图4 | MIMO加速器：提出了一种利用分子材料的计算加速器，该加速器可以增强传统神经形态平台的计算能力。通过多种输入刺激，可以改变DPE的权重矩阵，并调整尖峰神经网络中的尖峰和放大性质。

图 5 | 科学与技术路线图。展示了基于偶氮芳基配合物的电子设备在多个主要性能参数上超越了大多数无机材料（如氧化物忆阻器、相变存储器、磁阻和铁电设备），并且在开关速度和可扩展性方面与现有技术相当。图中还展示了实现这些分子设备作为技术所需的科学和技术挑战。

总结展望：

论文总结了分子材料在计算领域的应用前景，特别是在神经形态计算中的巨大潜力。作者强调了通过分子设计和合成化学的进步，可以实现对计算性能的精细调控。

同时，论文也指出了实现这些技术所面临的挑战，包括对分子开关电子和离子机制的深入理解、材料的加工性和与现有CMOS技术的兼容性等。未来，分子电子技术有望在人工智能和机器学习等领域实现实时、高效的边缘计算，推动计算技术的发展。

文献信息：

标题：Potential and challenges of computing with molecular materials

 期刊：Nature Materials