Empresas Premium
.jpg){kind=logo}
Durante medio siglo, la electrónica molecular ha tenido una promesa tentadora: construir dispositivos electrónicos a partir de moléculas, igual que hoy se construyen transistores y memorias con silicio.
El problema es que, dentro de un dispositivo real, las moléculas no viven aisladas ni se comportan como componentes simples; se influyen entre sí y responden a su entorno de maneras difíciles de anticipar.
Un trabajo difundido por el Indian Institute of Science (IISc) y firmado por un equipo del Centre for Nano Science and Engineering (CeNSE) plantea una vía para convertir ese “caos” en una ventaja: crear dispositivos moleculares capaces de cambiar de función sobre la marcha y servir como bloques para computación neuromórfica, el enfoque que busca que el hardware aprenda de forma parecida al cerebro.
La investigación, publicada en la revista Advanced Materials, se apoya en un concepto clave: no se trata solo de imitar la inteligencia con circuitos, sino de codificarla físicamente en el propio material.
En electrónica convencional, el comportamiento de un transistor o una celda de memoria se diseña para ser repetible: si aplicas cierto voltaje, obtienes cierto resultado, con poca variación. En un dispositivo molecular, no solo circulan electrones; también pueden moverse iones, cambiar interfaces, reorganizarse películas moleculares y aparecer respuestas no lineales por pequeñas diferencias estructurales.
La computación neuromórfica también ha tenido su propia versión de ese dilema. Muchos enfoques actuales, a menudo basados en óxidos y conmutación filamentaria, pueden reproducir conductas de aprendizaje, pero siguen pareciendo máquinas cuidadosamente ajustadas para “hacer como si aprendieran” en lugar de materiales que incorporen el aprendizaje de forma natural.
El equipo liderado por Sreetosh Goswami (CeNSE, IISc) describe dispositivos moleculares cuya conducta puede ajustarse en múltiples direcciones. La imagen mental útil aquí es una navaja suiza: un mismo objeto que, según cómo lo despliegues, actúa como cuchillo, tijeras o destornillador. En este caso, un mismo dispositivo puede comportarse como memoria, como puerta lógica, como selector, como procesador analógico o como sinapsis artificial.
La clave está en fabricar una película de moléculas cuidadosamente diseñadas y hacer que su respuesta eléctrica dependa del estímulo aplicado y del entorno iónico. Según lo comunicado por el IISc y ScienceDaily, el grupo sintetizó 17 complejos de rutenio y exploró cómo cambios pequeños en la forma molecular y en los iones cercanos alteran el transporte eléctrico. En lugar de buscar una molécula “perfecta” que haga una sola tarea, la estrategia es diseñar un sistema con varios estados accesibles y controlables.
En química de coordinación, el metal central y sus “acompañantes” (ligandos e iones alrededor) determinan gran parte del carácter electrónico del complejo. Es una situación parecida a ajustar una receta: con el mismo ingrediente principal, variar especias y proporciones cambia sabor, textura y comportamiento.
Aquí, ajustar ligandos y el entorno iónico permite que el dispositivo transite entre operación digital (estados más discretos) y analógica (variación continua de conductancia), cubriendo un rango amplio de valores.
Esa dualidad importa mucho para hardware de IA. La IA contemporánea se apoya en operaciones repetitivas y masivas, y el rendimiento energético se vuelve crítico. Los enfoques neuromórficos suelen buscar precisamente eso: que memoria y cómputo estén cerca, como en el cerebro, evitando el “viaje” constante de datos entre procesador y memoria típico de muchos sistemas actuales.
Uno de los puntos más relevantes del estudio es el marco teórico que acompaña al experimento. En electrónica molecular, muchas demostraciones se han topado con el mismo muro: ver un comportamiento interesante es una cosa; poder predecirlo y diseñarlo a demanda es otra. El equipo reporta un modelo de transporte basado en física de muchos cuerpos y química cuántica que conecta estructura molecular con comportamiento del dispositivo.
Aun con esos retos, el enfoque tiene un atractivo claro: usa diseño químico como herramienta directa de computación. No es solo “usar moléculas como componentes”, sino tratar la química como el plano arquitectónico que dicta cómo un material recuerda, calcula y se adapta.
El artículo en Advanced Materials lo encapsula con una idea potente: la química no es únicamente el proveedor de materiales; puede ser el lenguaje con el que se escribe el comportamiento computacional.
|
