器件在分子水平上的结构。底部电极上的金纳米粒子增强了电场，使分子器件能够超低能量运行。
具有有机忆阻器的灵感来自大脑的电子产品为各种AI和IoT应用提供了一种节能且经济高效的平台。
人工智能，机器学习和物联网的出现有望改变现代电子技术，并引发第四次工业革命。对于许多研究人员而言，紧迫的问题是如何应对这场技术革命。
“重要的是，我们必须了解当今的计算平台将无法在大规模数据集上维持AI算法的大规模实施，”今天在《应用物理学评论》（4月2020年第21期），摘自AIP Publishing。
“今天的计算太耗能，无法处理大数据。我们需要重新考虑我们在所有级别上进行计算的方法：可以实现超低能耗计算的材料，设备和体系结构。”
Venkatesan认为，带有有机忆阻器的受大脑启发的电子产品可以提供功能上有前途且具有成本效益的平台。忆阻设备是具有固有存储器的电子设备，该存储器既可以存储数据又可以执行计算。由于忆阻器在功能上类似于神经元（大脑中的计算单元）的操作，因此它们是灵感来自大脑的计算平台的最佳候选者。
迄今为止，氧化物一直是忆阻器的最佳材料的首选材料。已经提出了不同的材料系统，但是到目前为止没有成功。
该论文的主要作者Sreetosh Goswami说：“在过去的20年中，曾有几次尝试提出有机忆阻器，但都没有任何希望。”“造成这种失败的主要原因是他们缺乏机械理解的稳定性，可重复性和模棱两可。在设备级别，我们现在能够解决其中的大多数问题，”
新一代有机忆阻器是基于金属偶氮复合物器件开发的，该器件是加尔各答印度耕作科学协会的教授Sreebata Goswami的结晶，该论文的另一位作者。
Sreebata Goswami说：“在薄膜中，分子是如此坚固和稳定，以至于这些设备最终可以成为许多可穿戴和可植入技术或人体网的正确选择，因为它们可能是可弯曲的和可拉伸的。”人体网是一系列附着在皮肤上并跟踪健康状况的无线传感器。
Venkatesan说，下一个挑战将是大规模生产这些有机忆阻器。
“现在，我们正在实验室中制造独立设备。我们需要为这些设备的大规模功能实现制作电路。”
参考：Sreetosh Goswami，Sreebrata Goswami和Thirumalai Venky Venkatesan撰写的“低能量记忆和大脑启发性电子产品的有机方法”，2020年4月21日，应用物理评论。DOI：
10.1063/1.5124155
