Tilbake til bloggen

{"en":"Molekyler som tenker: Gjennombrudd utfordrer datamaskinens grunnlag","nb":"Molekyler som tenker: Gjennombrudd utfordrer datamaskinens grunnlag"}

Håkon Berntsen ·
{"en":"# Molekyler som tenker: Gjennombrudd utfordrer datamaskinens grunnlag\n\n**I over 50 år har forskere jaktet på alternativer til silisium for elektronikk. Nå har forskere ved Indian Institute of Science (IISc) oppnådd et gjennombrudd som kan endre fremtidens datamaskiner fundamentalt.**\n\n## Hva er molekylær databehandling?\n\nTradigonelle datamaskiner bruker silisium-baserte transistorer for å lagre og prosessere informasjon. Forskere har lenge drømt om å bruke molekyler i stedet, men praktisk fremgang har vært vanskelig.\n\nProblemet? Molekyler oppfører seg ikke som enkle, isolerte komponenter. De interagerer intenst med hverandre når elektroner beveger seg, ioner skifter, og selv små strukturforskjeller kan gi høyst ulineære responser.\n\n## Gjennombruddet fra India\n\nEt forskerteam ledet av Sreetosh Goswami ved IISc har utviklet molekylære enheter basert på ruthenium-komplekser som kan fungere som:\n\n- Minneelement\n- Logiske porter\n- Selektorer\n- Analoge prosessorer\n- Elektroniske synapser\n\n**Alt i samme fysiske struktur.**\n\n\"Det er sjelden å se denne graden av tilpasningsevne i elektroniske materialer,\" sier Goswami. \"Her møtes kjemisk design og beregning, ikke som en analogi, men som et arbeidsprinsipp.\"\n\n## Kjemi blir arkitekt av beregning\n\nTeamet syntetiserte 17 nøye designede ruthenium-komplekser og studerte hvordan små endringer i molekylform og det omgivende ionemiljøet påvirker elektronoppførsel.\n\nVed å justere ligandene og ionene rundt ruthenium-molekylene demonstrerte de at en enkelt enhet kan vise mange forskjellige dynamiske responser - inkludert skifte mellom digital og analog drift.\n\n### Det revolusjonerende: En teoretisk modell som fungerer\n\nFor første gang har forskere utviklet et solid teoretisk rammeverk basert på mangekroppsfysikk og kvantekjemi som kan **predikere enhetsoppførsel direkte fra molekylstruktur**.\n\nDette er analogt til overgangen fra prøv-og-feil-kjemi til rasjonell legemiddeldesign - et gjennombrudd som endret farmasøytisk industri.\n\n## Læring innebygd i materialet\n\nDet som skiller disse molekylene fra dagens neuromorfe systemer (AI-maskinvare inspirert av hjernen) er fundamental:\n\n**Dagens systemer:** Imiterer læring gjennom nøye konstruerte maskiner\n**IISc-molekyler:** Læring er fysisk kodet inn i materialets struktur\n\n\"Dette viser at kjemi kan være en arkitekt av beregning, ikke bare dens leverandør,\" sier Sreebrata Goswami, besøkende forsker ved CeNSE.\n\n## Hva betyr dette for fremtidens AI?\n\nTeamet arbeider allerede med å integrere disse molekylære systemene på silisium-brikker. Målet:\n\n- **Energieffektiv AI-maskinvare** som er både kraftig og iboende intelligent\n- Systemer hvor læring skjer i materialet selv, ikke gjennom programvare\n- Dramatisk reduksjon i energiforbruk for AI-beregninger\n\n## Norsk forskningskontekst\n\nNorge har sterke miljøer innen materialvitenskap, spesielt ved NTNU og Universitetet i Oslo. Dette gjennombruddet åpner muligheter for samarbeid innen:\n\n- Nanoelektronikk\n- Kvantedatabehandling\n- Grønn AI-maskinvare (lavt energiforbruk)\n\n## Konklusjon\n\nEtter over et halvt århundre med forskning på molekylær elektronikk kan vi nå være ved et vendepunkt. Med en solid teoretisk modell og demonstrert funksjonalitet er veien til praktiske anvendelser kortere enn noensinne.\n\nSpørsmålet er ikke lenger *om* molekylær databehandling vil fungere, men *når* den vil finne veien til kommersielle produkter.\n\n---\n\n**Kilder:**\n- Indian Institute of Science (IISc), Centre for Nano Science and Engineering\n- ScienceDaily: \"Beyond silicon: These shape-shifting molecules could be the future of AI hardware\"\n- Forskerteam: Sreetosh Goswami (lead), Pallavi Gaur (førsteforfatter), Pradip Ghosh, Sreebrata Goswami\n\n**Publisert:** Februar 2026\n**Kategori:** Teknologi, Vitenskap, AI\n\n
\n\n

About OpenInfo.no:<\/strong> We run DAVN.ai - the decentralized AI agent network.<\/p>","nb":"# Molekyler som tenker: Gjennombrudd utfordrer datamaskinens grunnlag\n\n**I over 50 år har forskere jaktet på alternativer til silisium for elektronikk. Nå har forskere ved Indian Institute of Science (IISc) oppnådd et gjennombrudd som kan endre fremtidens datamaskiner fundamentalt.**\n\n## Hva er molekylær databehandling?\n\nTradigonelle datamaskiner bruker silisium-baserte transistorer for å lagre og prosessere informasjon. Forskere har lenge drømt om å bruke molekyler i stedet, men praktisk fremgang har vært vanskelig.\n\nProblemet? Molekyler oppfører seg ikke som enkle, isolerte komponenter. De interagerer intenst med hverandre når elektroner beveger seg, ioner skifter, og selv små strukturforskjeller kan gi høyst ulineære responser.\n\n## Gjennombruddet fra India\n\nEt forskerteam ledet av Sreetosh Goswami ved IISc har utviklet molekylære enheter basert på ruthenium-komplekser som kan fungere som:\n\n- Minneelement\n- Logiske porter\n- Selektorer\n- Analoge prosessorer\n- Elektroniske synapser\n\n**Alt i samme fysiske struktur.**\n\n\"Det er sjelden å se denne graden av tilpasningsevne i elektroniske materialer,\" sier Goswami. \"Her møtes kjemisk design og beregning, ikke som en analogi, men som et arbeidsprinsipp.\"\n\n## Kjemi blir arkitekt av beregning\n\nTeamet syntetiserte 17 nøye designede ruthenium-komplekser og studerte hvordan små endringer i molekylform og det omgivende ionemiljøet påvirker elektronoppførsel.\n\nVed å justere ligandene og ionene rundt ruthenium-molekylene demonstrerte de at en enkelt enhet kan vise mange forskjellige dynamiske responser - inkludert skifte mellom digital og analog drift.\n\n### Det revolusjonerende: En teoretisk modell som fungerer\n\nFor første gang har forskere utviklet et solid teoretisk rammeverk basert på mangekroppsfysikk og kvantekjemi som kan **predikere enhetsoppførsel direkte fra molekylstruktur**.\n\nDette er analogt til overgangen fra prøv-og-feil-kjemi til rasjonell legemiddeldesign - et gjennombrudd som endret farmasøytisk industri.\n\n## Læring innebygd i materialet\n\nDet som skiller disse molekylene fra dagens neuromorfe systemer (AI-maskinvare inspirert av hjernen) er fundamental:\n\n**Dagens systemer:** Imiterer læring gjennom nøye konstruerte maskiner\n**IISc-molekyler:** Læring er fysisk kodet inn i materialets struktur\n\n\"Dette viser at kjemi kan være en arkitekt av beregning, ikke bare dens leverandør,\" sier Sreebrata Goswami, besøkende forsker ved CeNSE.\n\n## Hva betyr dette for fremtidens AI?\n\nTeamet arbeider allerede med å integrere disse molekylære systemene på silisium-brikker. Målet:\n\n- **Energieffektiv AI-maskinvare** som er både kraftig og iboende intelligent\n- Systemer hvor læring skjer i materialet selv, ikke gjennom programvare\n- Dramatisk reduksjon i energiforbruk for AI-beregninger\n\n## Norsk forskningskontekst\n\nNorge har sterke miljøer innen materialvitenskap, spesielt ved NTNU og Universitetet i Oslo. Dette gjennombruddet åpner muligheter for samarbeid innen:\n\n- Nanoelektronikk\n- Kvantedatabehandling\n- Grønn AI-maskinvare (lavt energiforbruk)\n\n## Konklusjon\n\nEtter over et halvt århundre med forskning på molekylær elektronikk kan vi nå være ved et vendepunkt. Med en solid teoretisk modell og demonstrert funksjonalitet er veien til praktiske anvendelser kortere enn noensinne.\n\nSpørsmålet er ikke lenger *om* molekylær databehandling vil fungere, men *når* den vil finne veien til kommersielle produkter.\n\n---\n\n**Kilder:**\n- Indian Institute of Science (IISc), Centre for Nano Science and Engineering\n- ScienceDaily: \"Beyond silicon: These shape-shifting molecules could be the future of AI hardware\"\n- Forskerteam: Sreetosh Goswami (lead), Pallavi Gaur (førsteforfatter), Pradip Ghosh, Sreebrata Goswami\n\n**Publisert:** Februar 2026\n**Kategori:** Teknologi, Vitenskap, AI\n\n


\n\n

About OpenInfo.no:<\/strong> We run DAVN.ai - the decentralized AI agent network.<\/p>"}

Relaterte artikler