Den gennemsnitlige menneskelige hjerne har mere end hundrede milliarder neuroner, som er forbundet i komplekse netværk.
Typisk er den kollektive, parallel handling af millioner af disse neuroner muliggør den menneskelige hjerne til at udføre bestemte opgaver mere effektivt end selv de mest kraftfulde supercomputer.
Desuden den menneskelige hjerne har kapacitet til at lære gennem hukommelsen, både på kort sigt og lang sigt. Dannes kortsigtede erindringer, når et øget antal molekylære neurotransmittere frigives ved en synapse-kontaktpunktet mellem neuroner-sende et stærkere signal fra en neuron til den næste.
Dannes langsigtede erindringer, når neurotransmitterne tænde gener og skabe et større antal synaptiske forbindelser, der fører til en mere permanent ændring i hjernens ledningsnet.
Bandyopadhyay og hans kolleger forsøgte at efterligne denne struktur. De startede med molekyler af 2,3-dichlor-5,6-dicyan-p-benzoquinon, en dunkel organisk stof kaldet DDQ for korte. En DDQ molekyle kan skifte reversibelt mellem fire ledende stater. Forskerne byggede computeren ved at deponere to lag DDQ på en guld overflade.
At indkode information i lagene, holdet brugte en scanning tunneling mikroskop, et værktøj med en nanoskopiske spids, der kan anvendes til at give en svag spændingsimpuls; spændingerne indstille DDQ molekyler i forskellige ledende stater.
For at gøre en DDQ kredsløb, der kan beregne, mikroskopet danner elektroniske bindinger mellem molekyler, og disse obligationer ændrer sig over tid. "Molekyler roterer på overfladen til at bryde ledninger med et molekyle og generere ledninger med en anden," forklarer Bandyopadhyay.
Forskerne kodede enhedens input bits som et mønster af ledende stater i DDQ lag. Dette bit mønster er ustabil og vil "spontant slappe at danne en ny sammenkobling kredsløb på overfladen," siger Ranjit Pati, professor i fysik ved Michigan Technological University, som er en medforfatter på forskning. "Mønsteret udvikler sig over tid til at give output mønster."
For at teste deres parallelle comput