अनुकूली अर्धचालक प्रौद्योगिकी में एक छलांग
कोरिया एडवांस्ड इंस्टीट्यूट ऑफ साइंस एंड टेक्नोलॉजी (KAIST) के शोधकर्ताओं ने एक नया अर्धचालक उपकरण का अनावरण किया है जो गिरगिट की अनुकूली रंग-बदलने की क्षमता की नकल करता है। यह 'प्रोग्रामेबल मेमट्रांजिस्टर' आने वाले डेटा दरों से मेल खाने के लिए अपनी प्रतिक्रिया गति को गतिशील रूप से बदल सकता है, जिससे त्रुटि दरों में 40 गुना की नाटकीय कमी आती है। हाल ही में एक प्रकाशन में विस्तृत यह सफलता, कृत्रिम बुद्धिमत्ता से लेकर दूरसंचार तक के क्षेत्रों में क्रांति लाने का वादा करती है, जिससे चिप्स वास्तविक समय में स्व-अनुकूलन कर सकें।
प्रोफेसर क्यूंग-मिन किम के नेतृत्व में एक टीम द्वारा विकसित यह उपकरण, मेमोरी और ट्रांजिस्टर कार्यों को एक ही इकाई में एकीकृत करता है, जिससे यह आने वाले संकेतों की आवृत्ति के आधार पर अपने विद्युत गुणों को समायोजित कर सकता है। यह अनुकूलनशीलता आधुनिक कंप्यूटिंग में महत्वपूर्ण है, जहां डेटा स्ट्रीम गति और तीव्रता में व्यापक रूप से भिन्न होती हैं। पारंपरिक चिप्स निश्चित परिचालन स्थितियों के लिए डिज़ाइन किए जाते हैं, जिससे डेटा दरों में उतार-चढ़ाव होने पर अक्षमताएं और त्रुटियां होती हैं। नया मेमट्रांजिस्टर अपने चालकता और थ्रेशोल्ड वोल्टेज को लगातार ट्यून करके इस सीमा को पार करता है, ठीक उसी तरह जैसे गिरगिट अपने वातावरण से मेल खाने के लिए अपनी त्वचा का रंग समायोजित करता है।
मेमट्रांजिस्टर कैसे काम करता है
डिवाइस के दिल में एक दो-टर्मिनल संरचना है जो प्रतिरोधक स्विचिंग (मेमरिस्टिव) व्यवहार को ट्रांजिस्टर जैसी एम्प्लीफिकेशन के साथ जोड़ती है। सटीक वोल्टेज पल्स लागू करके, शोधकर्ता डिवाइस को विभिन्न गति से संचालित करने के लिए प्रोग्राम कर सकते हैं, धीमी, ऊर्जा-कुशल मोड से लेकर उच्च गति वाले फटने तक। यह प्रोग्रामेबिलिटी धातु-ऑक्साइड परत में ऑक्सीजन रिक्तियों के नियंत्रित प्रवासन के माध्यम से प्राप्त की जाती है, जो डिवाइस के प्रतिरोध और समाई को बदल देती है।
प्रयोगों में, KAIST टीम ने प्रदर्शित किया कि मेमट्रांजिस्टर अलग-अलग गति से डेटा संसाधित करते समय बिट त्रुटि दरों को 1.2% से घटाकर 0.03% कर सकता है - 40 गुना सुधार। यह डिवाइस को अपने पढ़ने/लिखने के समय और सिग्नल थ्रेशोल्ड को स्वचालित रूप से समायोजित करने में सक्षम बनाकर प्राप्त किया गया था, जिससे डेटा दरों की एक विस्तृत श्रृंखला में विश्वसनीय संचालन सुनिश्चित होता है। डिवाइस ने बेहतर ऊर्जा दक्षता भी दिखाई, परिवर्तनीय कार्यभार को संभालते समय पारंपरिक चिप्स की तुलना में 30% तक कम बिजली की खपत।
एआई और एज कंप्यूटिंग के लिए निहितार्थ
मेमट्रांजिस्टर की अनुकूली प्रकृति विशेष रूप से कृत्रिम बुद्धिमत्ता अनुप्रयोगों के लिए फायदेमंद है, जहां तंत्रिका नेटवर्क अक्सर अलग-अलग तीव्रता के फटने में डेटा संसाधित करते हैं। चिप के प्रदर्शन को डेटा प्रवाह से गतिशील रूप से मिलान करके, डिवाइस ऊर्जा खपत को कम करते हुए उच्च सटीकता बनाए रख सकता है। यह एज डिवाइसों के लिए महत्वपूर्ण है, जैसे स्मार्टफोन और IoT सेंसर, जो बैटरी पावर पर निर्भर हैं और वास्तविक समय के डेटा के कुशल प्रसंस्करण की आवश्यकता होती है।
इसके अलावा, मेमोरी और कंप्यूटिंग कार्यों के बीच स्विच करने की मेमट्रांजिस्टर की क्षमता अधिक कुशल इन-मेमोरी कंप्यूटिंग आर्किटेक्चर को सक्षम कर सकती है, जिससे अलग मेमोरी और प्रोसेसर इकाइयों के बीच डेटा आंदोलन की आवश्यकता कम हो जाती है। यह 'कम्प्यूटेशनल रैम' दृष्टिकोण अगली पीढ़ी के एआई त्वरक के लिए एक प्रमुख सक्षमकर्ता है, जो उच्च बैंडविड्थ और कम विलंबता की मांग करते हैं।
पारंपरिक चिप्स में चुनौतियों पर काबू पाना
पारंपरिक अर्धचालक उपकरणों को गति और सटीकता के बीच एक मौलिक व्यापार-बंद का सामना करना पड़ता है। उच्च गति संचालन अक्सर सिग्नल अखंडता के मुद्दों की ओर जाता है, जैसे क्रॉसस्टॉक और समय त्रुटियां, जबकि धीमी गति से थ्रूपुट कम हो जाता है। KAIST मेमट्रांजिस्टर एक ट्यून करने योग्य प्रतिक्रिया की पेशकश करके इस दुविधा को दरकिनार कर देता है जिसे किसी भी डेटा दर के लिए अनुकूलित किया जा सकता है। यह एक फीडबैक तंत्र के माध्यम से प्राप्त किया जाता है जो लगातार आने वाले सिग्नल की निगरानी करता है और वास्तविक समय में डिवाइस के मापदंडों को समायोजित करता है।
परीक्षणों में, डिवाइस ने 0.1% से नीचे बिट त्रुटि दर बनाए रखी, भले ही डेटा दरों में 100 के कारक से उतार-चढ़ाव हुआ, एक ऐसा करतब जो पारंपरिक चिप्स नहीं कर सकते। यह मजबूती मेमट्रांजिस्टर को 5G/6G संचार, स्वायत्त वाहनों और उच्च-आवृत्ति व्यापार में अनुप्रयोगों के लिए आदर्श बनाती है, जहां डेटा स्ट्रीम अत्यधिक परिवर्तनशील हैं और त्रुटियां महंगी हैं।
भविष्य की दिशाएं और व्यावसायीकरण
KAIST टीम अब मेमट्रांजिस्टर को उद्योग-मानक आकारों में स्केल करने और इसे बड़े सर्किट में एकीकृत करने पर काम कर रही है। वे 3D आर्किटेक्चर बनाने के लिए कई मेमट्रांजिस्टर को स्टैक करने के तरीकों की भी खोज कर रहे हैं, जो प्रदर्शन और घनत्व को और बढ़ा सकते हैं। शोधकर्ताओं का मानना है कि आगे अनुकूलन और विनिर्माण प्रक्रिया विकास के अधीन, डिवाइस को पांच वर्षों के भीतर व्यावसायीकृत किया जा सकता है।
जबकि वर्तमान प्रोटोटाइप धातु-ऑक्साइड सामग्री पर आधारित है, टीम गति और सहनशक्ति बढ़ाने के लिए ग्राफीन और संक्रमण धातु डाइचाल्कोजेनाइड्स जैसी 2D सामग्रियों सहित अन्य सामग्रियों की जांच कर रही है। ये सामग्रियां लचीले और पारदर्शी इलेक्ट्रॉनिक्स को भी सक्षम कर सकती हैं, जिससे पहनने योग्य उपकरणों और स्मार्ट डिस्प्ले में नए अनुप्रयोग खुल सकते हैं।
अर्धचालक उद्योग पर व्यापक प्रभाव
यह विकास ऐसे समय में आया है जब अर्धचालक उद्योग को स्केलिंग में भौतिक सीमाओं का सामना करना पड़ रहा है, जिससे नए कंप्यूटिंग प्रतिमानों की खोज हो रही है। एक ही डिवाइस में मेमोरी और लॉजिक को संयोजित करने की मेमट्रांजिस्टर की क्षमता, अनुकूली क्षमताओं के साथ, अधिक कुशल और बहुमुखी चिप्स की दिशा में एक आशाजनक मार्ग प्रदान करती है। यह कई विशेष घटकों की आवश्यकता को कम कर सकता है, सर्किट डिजाइन को सरल बना सकता है और विनिर्माण लागत कम कर सकता है।
इसके अलावा, डिवाइस की अनुकूली प्रकृति 'संज्ञानात्मक' कंप्यूटिंग की बढ़ती प्रवृत्ति के साथ संरेखित होती है, जहां हार्डवेयर बदलती परिस्थितियों के अनुकूल होने की मस्तिष्क की क्षमता की नकल करता है। यह अधिक मजबूत और लचीली प्रणालियों को जन्म दे सकता है जो अप्रत्याशित वातावरण में काम कर सकते हैं, गहरे समुद्र की खोज से लेकर अंतरिक्ष मिशनों तक।
निष्कर्ष
KAIST से गिरगिट-प्रेरित मेमट्रांजिस्टर अर्धचालक प्रौद्योगिकी में एक महत्वपूर्ण कदम आगे का प्रतिनिधित्व करता है। चिप्स को वास्तविक समय में डेटा गति के अनुकूल होने में सक्षम करके, यह न केवल त्रुटियों को नाटकीय रूप से कम करता है बल्कि ऊर्जा दक्षता और बहुमुखी प्रतिभा को भी बढ़ाता है। जैसे-जैसे टीम प्रौद्योगिकी को परिष्कृत करना जारी रखती है, यह एआई से दूरसंचार तक उद्योगों की एक विस्तृत श्रृंखला को बदलने की क्षमता रखती है, जो स्मार्ट और अधिक अनुकूली इलेक्ट्रॉनिक उपकरणों का मार्ग प्रशस्त करती है।
यह लेख इंटरेस्टिंग इंजीनियरिंग की रिपोर्टिंग पर आधारित है। मूल लेख पढ़ें.
Originally published on interestingengineering.com