单分子类神经形态器件，切换能耗达 aJ 级别

低功耗的思考机器

随着人工智能能力提升，其运行的计算机也愈发耗能。该研究描述了一种由单个分子构成的微小电子器件，其行为有点像脑细胞之间的连接，却使用几乎难以想象的极低能量。这类器件未来可能帮助智能技术在极大程度上降低当前的电力消耗。

为何微小的类突触开关重要

现代人工智能依赖运行在传统芯片上的庞大“神经元”网络。训练这些网络可能需要相当于数千户家庭用电的能量，带来高成本和环境问题。相比之下，生物大脑仅用一盏暗灯泡的功率就能完成丰富的学习和记忆任务。因此工程师希望直接在硬件中模拟真实突触的一些特性。本文工作将这一想法推进到极致，将类突触元件缩小到单分子级别，同时仍使其能够存储和处理信息。

会记忆的单个分子

研究者将器件构建在一个有机分子上，该分子悬浮在两片金电极之间，周围液体中含有可移动的带电粒子（离子）。通过施加极小的电脉冲，他们可以推动带正电的离子向分子靠近或远离。这些离子的存在会微妙地扭曲或伸直分子结构，从而改变电子通过分子的难易程度。每一种不同的电流强度相当于不同的记忆强度。在测试中，该器件可靠地在十多个此类等级间切换，每次操作的能量约为 6.34 阿托焦耳，远低于基于更大结构的已有高效实验器件。

复制大脑的学习方式

真实突触会根据激活的频率和时间关系变强或变弱，这一特性称为可塑性。单分子器件表现出类似行为。当团队发送成对或一列电脉冲时，结点的电导会急剧上升，然后要么迅速衰退，像短时记忆，要么定格为持久状态，像长时记忆。他们能够再现经典的学习模式，例如“成对脉冲促通”，即当第二个信号在第一信号不久后到达时效果被增强；以及“学-忘-再学”，即先前训练过的连接在下一次可更快地重新训练。

教器件建立联想与识别

为突出实际用途，作者编排了模拟巴甫洛夫著名实验的脉冲模式。其中一种模式扮演中性提示（如铃声），另一种模拟无条件事件（如呈现食物）。当两种模式反复同时施加时，分子突触随后对提示单独出现产生强烈响应，就像狗学会在听到铃声时流口水一样。该器件还能区分编码点和划的短脉冲与长脉冲，从而识别简单的摩斯电码序列。从器件测得的参数被用于脉冲神经网络的计算机模型，在对手写数字分类时取得了较高的准确率。

离子运动如何驱动该效应

这些行为背后是一场离子与分子形状之间的精细相互作用。计算机模拟和对照实验表明，当某些体积较大的正离子在分子附近聚集时，它们会破坏分子内部的弱硫氧相互作用，扭曲结构并降低电导。电脉冲将这些离子推走或拉回，指导分子在多个稳定构象之间转换，这些构象对应不同的记忆等级。移动每个离子所需的能量与测得的切换能量吻合良好，支持了以离子控制构象作为器件功能核心的解释。

迈向更绿色的人工智能

简而言之，这项工作证明了单个分子可以作为一个微小且可调节的类突触连接，并以几乎可忽略的能量完成工作。尽管此类器件仍处于实验室示范阶段，但它们为未来的人工智能硬件指明了方向：在极小体积内集成大量类突触元件，同时保持低功耗。如果能实现规模化，这一方法有望使先进计算更节能，并更接近生物大脑处理学习与记忆的方式。

引用: 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

关键词: 类神经形态器件, 单分子电子学, 突触可塑性, 低功耗人工智能硬件, 离子控制电导