Ein Rechenbaustein muss Informationen nicht nur weiterleiten: Er kann sie durch Veränderungen seines Materials kurzzeitig bewahren. Ein MIT-Team zeigte dieses Prinzip mit einer etwa zwei Nanometer dünnen PDMS-Polymerschicht zwischen Goldelektroden. Eine Spannung drückt die Schicht zusammen und verändert den Tunnelstrom. Da die Rückkehr zur Ausgangsform verzögert erfolgt, hängt die Reaktion auch von früheren Einwirkungen ab.

Dieses Materialgedächtnis ermöglichte im Experiment das Aufsummieren von Reizen und einen Impuls beim Überschreiten einer Schwelle, also ausgewählte Eigenschaften eines Neurons. Es handelt sich weder um eine biologische Zelle noch um den Nachweis eines funktionsfähigen neuronalen Netzwerks. Die Autoren maßen einen Energieverbrauch von 54 nJ bei einer aktiven Fläche von 200 × 200 Nanometern. Rund 2 fJ pro Impuls sind dagegen eine theoretische Perspektive bei geringeren Verlusten und weiterer Entwicklung, kein erreichter Betriebsverbrauch.

Die Autoren verbanden auch zwei Elemente so, dass die Aktivierung des einen das andere vorübergehend unterdrückte. Das ist ein Schritt zu einem Netzwerk, aber kein für eine nützliche Aufgabe trainiertes Netz. Das Materialgedächtnis hält im Sekundenbereich an; eine sofortige Ablösung schneller Digitalelektronik verspricht das Ergebnis daher nicht.

Ließen sich solche Elemente in größerer Zahl zuverlässig verbinden, könnten sie eines Tages langsame zeitliche Muster direkt am Sensor verarbeiten. Denkbar wäre etwa ein Detektor, der wiederkehrende Änderungen seines Eingangssignals auswertet und nur eine Warnung statt eines kontinuierlichen Datenstroms sendet. Das ist eine mögliche künftige Anwendung des Prinzips, keine in dieser Studie demonstrierte Funktion.

Für die Praxis braucht es unabhängige Wiederholungen, geringere Leckströme, stabile Eigenschaften und Lebensdauertests. Auch Verbindungen und Steuerelektronik müssen in die Energiebilanz eingehen: Ein vorteilhafter Einzelbaustein garantiert noch kein sparsames System. Viele gleichartige Bauelemente herzustellen und zu einem nützlichen Netzwerk zu verbinden, bleibt eine weitere Aufgabe.

Optimistisch könnten kleine Laboranordnungen für einfache Sensoraufgaben in 2–5 Jahren entstehen, sofern diese Hürden überwunden werden. Das ist eine redaktionelle Einschätzung, kein Zeitplan der Forschenden. Für Alltagsprodukte oder einen Ersatz heutiger KI-Chips lässt sich noch kein belastbarer Termin nennen.