缺乏一致性可能是当今忆阻器技术中的最大挑战，因为它会引起诸如不一致，随机可变性和内存状态不稳定等问题。在过去的几十年中，研究人员一直在研究忆阻器中的统一开关机制。

现在，由新加坡国立大学（NUS）科学家领导的国际团队已经开发出解决方案，以解决有机和分子电子领域的这一长期存在的问题。

这项工作于2020年9月6日发表在《先进材料》杂志上。

负责该项目的T. Venkatesan教授说：“我们正在研究一种有机材料系统，该系统可能是实现人工智能和大脑启发式计算的最高效平台之一。我的前研究生Sreetosh Goswami博士曾现在是国大物理系的博士后研究员，是这项工作的主要架构师。在从事我们先前在《自然材料》和《自然纳米技术》上发表的关于分子忆阻器的研究时，他发现电导转换非常均匀。”

Sreetosh博士解释说：“理想情况下，一种分子转换机制应该是一致的。没有人观察到一致的转换这一事实使有机忆阻器的可信度受到质疑。它说的是现有的测量方法存在问题，或者该机制是非分子的。”

在本文中，研究小组通过展示空间分辨率小于7纳米的均质分子开关解决了这一问题。这项工作还提供了有关如何进行此类测量以及理想的分子转换应如何表现的指导。

Sreetosh博士补充说：“我感谢Venkatesan教授将我送到法国与HORIBA合作进行隧道增强拉曼光谱测量。这些测量能够在分子水平上进行表征，在这里展示的只是我们已获得数据的一小部分“还有更多令人振奋的结果。”

本研究中使用的物质系统是来自印度加尔各答科学栽培协会的Sreebrata Goswami教授的创意。Sreebrata教授分享道：“我们在这项研究中观察到的微米和纳米级测量之间的相关关系令人惊讶。它显示了设备中分子机理的均质性和可扩展性。通过纳米拉曼光谱，我们能够监测分子中各个键与电压的关系。对分子机理图的确定性理解是设计新分子系统的途径，我们目前正在这样做。”

“虽然通常的忆阻器显示的开关能量为微微焦耳，但这些器件的开关所消耗的能量在atto焦耳范围内。这是材料系统提供的巨大优势，”阿里安多副教授详细阐述。他是该论文的合著者，也是支持这项研究的研究经费的首席首席研究员。

这项研究是与法国HORIBA和德克萨斯A＆M大学的Stanley Williams教授合作进行的。

NUS研究团队目前正在使用这些分子平台来实现脑启发性功能，例如除概率计算外的无监督学习，分类。

Venkatesan教授说：“我们认为，这有潜力在能源成本方面将当前技术革命几个数量级。”