Enkeltmolekylärt neuromorft element med aJ-nivå energiförbrukning per omslag

Tänkande maskiner som sparar kraft

När artificiell intelligens blir mer kapabel ökar också dess datorers energibehov. Denna studie beskriver en mycket liten elektronisk komponent byggd av en enda molekyl som uppför sig lite som en förbindelse mellan nervceller samtidigt som den använder nästan ofattbart lite energi. Sådana enheter skulle en dag kunna hjälpa till att driva smart teknik med en bråkdel av dagens elförbrukning.

Varför små hjärnliknande brytare spelar roll

Modern AI förlitar sig på omfattande nätverk av artificiella ”neuroner” som körs på konventionella chip. Att träna dessa nätverk kan kräva lika mycket energi som tusentals hushåll använder, vilket medför kostnads- och miljöproblem. Biologiska hjärnor, däremot, utför komplex inlärning och minnesuppgifter med bara effekt motsvarande en svagt lysande lampa. Ingenjörer hoppas därför efterlikna vissa egenskaper hos verkliga synapser, förbindelserna mellan neuroner, direkt i hårdvara. Det arbete som rapporteras här driver idén till det yttersta genom att krympa ett synapsliknande element till en enda molekyl samtidigt som det fortfarande kan lagra och bearbeta information.

En enda molekyl som minns

Forskarna byggde sin enhet kring en organisk molekyl upphängd mellan två guldelektroder i en vätska som innehöll rörliga laddade partiklar, så kallade joner. Genom att applicera mycket små elektriska pulser kunde de knuffa positivt laddade joner mot eller bort från molekylen. Dessa joner vrider eller rätar subtilt ut molekylen och ändrar hur lätt elektroner flyter genom den. Varje distinkt nivå av flöde fungerar som olika minnesstyrka. I tester växlade enheten pålitligt mellan mer än tio sådana nivåer och gjorde det med cirka 6,34 attojoul energi per operation, långt under redan effektiva experimentella enheter baserade på större strukturer.

Att härma hur hjärnan lär sig

Verkliga synapser blir starkare eller svagare beroende på hur ofta och hur nära i tid de aktiveras, en egenskap som kallas plasticitet. Den enkeltmolekylära enheten visar liknande beteende. När teamet skickade parvisa eller följder av elektriska pulser ökade junctionens ledningsförmåga kraftigt och avtog sedan antingen snabbt, likt korttidsminne, eller stabiliserade sig i långvariga tillstånd, likt långtidsminne. De kunde reproducera klassiska inlärningsmönster såsom ”paired pulse facilitation”, där en andra signal som anländer strax efter den första får en förstärkt effekt, och ”learn forget relearn”, där en tidigare tränad förbindelse kan tränas om snabbare nästa gång.

Att lära enheten att associera och känna igen

För att belysa praktiska användningsområden programmerade författarna pulsmönster som efterliknar Pavlovs berömda hundexperiment. Ett mönster spelade rollen av en neutral signal, som en klocka, och ett annat imiterade en obetingad händelse, som att se mat. När båda mönstren applicerades tillsammans upprepade gånger svarade den molekylära synapsen senare starkt på signalen ensam, precis som hunden lär sig salivera vid ljudet av klockan. Enheten skilde sig också mellan korta och långa pulser som kodade punkter och streck i morsekod och kunde därigenom känna igen enkla sekvenser. Parametrar mätta från enheten användes sedan i en datorbaserad modell av ett spikande neuralt nätverk, vilket uppnådde hög noggrannhet vid klassificering av handskrivna siffror.

Hur jonrörelser driver effekten

Bakom dessa beteenden ligger en känslig samspel mellan joner och molekylens form. Datorsimuleringar och kontrollförsök visade att när vissa stora positiva joner klustrar sig nära molekylen, stör de svaga svavel-syre-attractioner inom den, vrider strukturen och minskar ledningsförmågan. Elektriska pulser skjuter dessa joner bort eller drar dem tillbaka, vilket styr molekylen genom flera stabila former som motsvarar de olika minnesnivåerna. Den energi som krävs för att flytta varje jon stämmer väl med den uppmätta omslagsenergin, vilket stöder bilden av jonkontrollerade konformationer som kärnan i enhetens funktion.

Mot grönare artificiell intelligens

Enkelt uttryckt visar detta arbete att en enda molekyl kan fungera som en liten, justerbar hjärnförbindelse och göra det med en nästan obefintlig mängd energi. Även om sådana enheter ännu är laboratoriedemonstrationer pekar de mot framtida hårdvara för AI som rymmer många synapsliknande element på en mycket liten yta samtidigt som effektbehovet hålls lågt. Om metoden skalar upp kan den bidra till att göra avancerad databehandling mer energieffektiv och mer likt hur verkliga hjärnor hanterar inlärning och minne.

Citering: Zhang, H., Ye, J., Gao, M. et al. Single-molecule neuromorphic device with aJ-level power consumption per switching. Nat Commun 17, 4655 (2026). https://doi.org/10.1038/s41467-026-71127-2

Nyckelord: neuromorft element, enkeltmolekylär elektronik, synaptisk plasticitet, lågenergi AI-hårdvara, jonstyrd ledningsförmåga