用电压控制有机分子材料，实现决策树算法，相当于实现了if-then-else语句的功能。
不仅如此，研究人员还用多个元件攒出一棵有71个节点的复杂决策树。
这篇论文发表在最新一期Nature上。
更厉害的是，不像传统固定写死的电路，这种元件还具有可动态重编程的特性。
重编程的方式也很简单，只需要改变电压就能做到。
在一个时间步内完成复杂计算后，施加不同的电压脉冲，下一个瞬间能完成另一项计算任务。
就像人类大脑可以通过断开和建立神经元间的链接来重新布线一样。
论文作者之一Venkatesan认为，一个他们的新元件能完成的计算功能换成晶体管需要数千个。
这个新型元件叫分子忆阻器 （Molecular Memristor）。
忆阻器是一种基础电路元件，可以代替晶体管完成通用计算，开发出新型CPU。
而且能把存储和运算集成到一起，省去数据在CPU和内存之间来回搬运消耗的时间。
这次登上Nature的分子忆阻器，用有机分子代替了传统忆阻器中的金属氧化物，让元件在不同温度下保持稳定，计算也更精准。
因此Nature给出的评价是：
开辟了一条通向超高效计算的道路。
忆阻器研究受到Nature青睐的原因还有一个，有望打破当前算力发展的瓶颈。
从你的手机、家用电脑直到超级计算机，算力进一步提升都要面对一个问题：冯诺依曼瓶颈。
冯诺依曼体系的计算机，运算器和存储器是分开的，也就是我们熟悉的CPU和内存。
除了数据在CPU和内存之间被来回搬运很浪费时间和功耗意外，现在还出现新的问题。
由于CPU的运算速度增长比内存存取速度快的多，内存成了拖后腿的，越来越限制CPU性能的发挥。
这个问题在GPU和显存之间同样存在，在AI训练中也被叫做“内存墙”，成了AI训练的一大障碍。
近年来有个解决思路就是把计算和存储放到一起，也就是设计存算一体的芯片。
用忆阻器 (Memristor)就是实现存算一体的方法之一。
忆阻器是电阻、电容和电感之后的第4种电路基本元件，1971年被华裔科学家蔡少棠从理论上预言。
如上图所示，传统的三大元件中，电阻器反映的是电压与电流之间的关系，电容器反映的是电荷量与电压的关系，电感反映磁通量与电流之间的关系。
蔡少棠根据理论上的对称性推断，应存在一种元件可以反映电荷量与磁通量之间的关系。
对这种元件施加正电压，其阻值会随着通过的电流改变，如果电流停止电阻会停留在当前值，相当于“记住”了电流量。
如果施加反向电压，通过元件的反向电流会让阻值回到原位，相当于“擦除”了之前的记忆。
所以蔡少棠把英文中的Memory(记忆)+Resistor(电阻器)组合起来把这种元件命名为Memristor（忆阻器）。
如果把高阻值定义为1，低阻值定义为0，忆阻器就可以同时实现二进制的计算和存储。
忆阻器的这种特性和人类神经元中的突触十分类似，所以基于忆阻器的计算也被称作“类脑计算”。
忆阻器的基本结构就像一个三明治，由两片金属夹着中间的一层薄膜。
2008年惠普首次用二氧化钛薄膜研制出金属氧化物忆阻器，后来又发展出二氧化铌、二氧化钒等使用不同材料的忆阻器。
但这些基于金属氧化物的忆阻器有几个共同的弱点。
一个是只能在限定温度范围里工作，还有一个是不够稳定，多次运算的结果在统计上存在偏差。
寻找更好的替代材料就成了关键。
严苛的环境限制，不稳定的计算结果，其实都可以归结为没有灵活应对变化环境的能力。
这也是因为，即使是最先进的半导体逻辑电路，也是基于硬连接的阈值开关来执行预订的逻辑功能的。
那么，有没有提高这些逻辑电路性能的方法呢？
研究团队提出了一种思路：将复杂的逻辑功能固定在单个电路元件的材料属性里。
于是，他们设计了一种新的有机分子：
这是一种由一个金属铁原子作为中心，再结合三个被称为配体的苯基偶氮吡啶有机分子（phenyl azo pyridine organic molecules）形成的“电子海绵”。
它最多能可逆地吸收六个电子，产生七种不同的氧化还原状态。
这种材料会以一层分子薄膜的形式旋铸在电路的底层电极上。
制成的薄膜经验证，在-40℃到70℃不同温度间进行1300次重复实验能保持稳定。
另外最底下还有一层电极，是一层60纳米的氧化铟锡（ITO）薄膜，表面涂有场增强的金浸润的纳米盘（gold nano- disks）：
这样，我们就得到了一种具有特殊分子结构的忆阻器。
在向这种忆阻器施加电压时，它能够具有持续的高电阻和低电阻状态。
而与传统的氧化物忆阻器不同，这种分子忆阻器还能够在高导电性和低导电性之间突然发生转变。
同时，分子忆阻器的当前电导率也取决于曾经的历史状态：
团队中的Venkatesan对此这样解释：
你可以把这个装置想象成一个开关，当施加负电压时，分子材料中的配体会还原或获得电子，装置会首先从开切换到关，再从关到开，然而在开关两个状态之间不断反复。
通过这种“两极开关”的特性，逻辑操作的输出就能被数字化并存储。
而且控制开关的氧化还原机制是由分子内在的能级结构决定，开关的触发条件非常精准。
为了将这种物理行为与高效的计算联系起来，团队中的Goswami提出，可以从算法层面来理解这种复杂的电流-电压分布：
也就是包含了if-then-else语句的决策树算法。
这是一个由71个节点组成的决策树，其中红色指关电导状态，绿色指开电导状态。
每一个氧化还原状态可以提供不同的初始条件，然后产生自己的树集（也就是通过一组相互关联的输入来预测输出的逻辑函数）。
这样，忆阻器的物理特性便直接将输入与输出连系了起来。
当条件改变，需要去处理或学习一样新的东西时，只要施加一个不同的电压脉冲，设备就能够进行逻辑上的重新编程或重新配置。
这就不禁让人想起大脑神经的可塑性。
大脑可以通过建立和断开神经细胞之间的连接，以此改变周围的线路。
而现在我们创造的这种分子装置也能够通过重新编程改变逻辑，进而实现这种重构。
此外，这一分子忆阻器还能实现CPU中使用的通用逻辑功能，包括AND、OR、NAND、XOR。
这也就意味着它同时拥有寄存器和执行单元的功能。
如果用在电脑或手机里，那么在寄存器和执行单元之间进行数据穿梭所花费的时间和功耗将被大大减少。
现在，这种全新的电路元件总能量和面积（area）方面的效率，至少要比利用DRAM作为存储器的CMOS高出2个数量级。
Sreetosh Goswami，一作兼通讯作者，新加坡国立大学（NUS）物理系，同时也是新加坡国立大学纳米研究所（NUSNNI）的成员。
主要研究方向是纳米电子学和光电子学，这次整个项目主要由他设计，并进行了电学和光谱测量。
Sreebrata Goswami，通讯作者，印度科学普及协会（IACS）的化学科学学院教授，他设计出了这次用到的有机分子材料。
Stanley Williams，通讯作者，德州农工大学的电子与计算机工程系教授，主要研究方向是纳米电子学，曾获2014年IEEE杰出工程师。
T. Venkatesan，通讯作者，现任新加坡国立大学纳米研究所所长，是脉冲激光沉积工艺的创始人。
论文地址：
https://www.nature.com/articles/s41586-021-03748-0
《Nature》News&Views点评
https://www.nature.com/articles/d41586-021-02323-x
参考链接：
[1]https://phys.org/news/2021-09-molecular-device-unprecedented-reconfigurability-reminiscent.html
[2]https://en.wikipedia.org/wiki/Memristor
“
