न्यूरोमॉर्फिक हार्डवेअरमध्ये यश
सायन्स (खंड 393, अंक 6806, जुलै 2026) मध्ये प्रकाशित एका महत्त्वपूर्ण अभ्यासात, संशोधकांनी फेज-चेंज मेमरिस्टरवर बांधलेली एक न्यूरल डायनॅमिकल सिस्टीम उघड केली आहे जी 10 मिलिसेकंदांपेक्षा कमी प्रतिसाद वेळेसह कार्य करते. ही प्रगती AI अनुप्रयोगांसाठी रिअल-टाइम प्रक्रिया करण्यास सक्षम मेंदू-प्रेरित संगणक हार्डवेअर साकारण्याच्या दिशेने एक महत्त्वपूर्ण झेप आहे.
फेज-चेंज मेमरिस्टर कसे कार्य करतात
फेज-चेंज मेमरिस्टर अशा सामग्रीचा वापर करतात ज्या अनाकार आणि स्फटिक अवस्थांमध्ये स्विच करतात, त्यांचा विद्युत प्रतिरोध बदलतात. हा गुणधर्म त्यांना न्यूरल नेटवर्कमधील सिनॅप्टिक वजनांचे अनुकरण करण्यास अनुमती देतो. नवीन प्रणाली या मेमरिस्टरना एका डायनॅमिकल आर्किटेक्चरमध्ये एकत्रित करते जी जैविक न्यूरल सर्किट्सच्या समान रीतीने माहितीवर प्रक्रिया करते.
मुख्य कार्यप्रदर्शन मेट्रिक्स
- प्रतिसाद वेळ: <10 ms, रिअल-टाइम गणना सक्षम करते
- ऊर्जा कार्यक्षमता: पारंपारिक डिजिटल प्रोसेसरपेक्षा अनेक पट कमी
- स्केलेबिलिटी: क्रॉसबार अॅरेमध्ये घनता एकत्रीकरणाची क्षमता
AI आणि एज कॉम्प्युटिंगसाठी परिणाम
10 मिलिसेकंदांपेक्षा कमी वेग हा स्वायत्त वाहने, रोबोटिक्स आणि वैद्यकीय निदान यांसारख्या जलद निर्णय घेण्याची आवश्यकता असलेल्या अनुप्रयोगांसाठी महत्त्वपूर्ण आहे. पारंपारिक वॉन न्यूमन आर्किटेक्चरच्या विपरीत, जे मेमरी वॉल अडथळ्याने ग्रस्त आहेत, ही मेमरिस्टर-आधारित प्रणाली थेट मेमरीमध्ये गणना करते, ज्यामुळे विलंब आणि वीज वापर नाटकीयरित्या कमी होतो.
विद्यमान तंत्रज्ञानाशी तुलना
इंटेलचे लोही किंवा आयबीएमचे ट्रूनॉर्थ सारखे सध्याचे न्यूरोमॉर्फिक चिप्स मिलिसेकंद ते सेकंद श्रेणीत कार्य करतात. फेज-चेंज मेमरिस्टर प्रणाली एका ऑर्डरची सुधारणा मिळवते, जैविक न्यूरल नेटवर्क्सच्या तात्पुरत्या रिझोल्यूशनजवळ पोहोचते. यामुळे अधिक नैसर्गिक मानव-मशीन इंटरफेस आणि जलद AI अनुमान सक्षम होऊ शकते.
आव्हाने आणि भविष्यातील दिशा
परिणाम आशादायक असले तरी, संशोधक डिव्हाइस व्हेरिएबिलिटी आणि सहनशक्तीमधील आव्हाने लक्षात घेतात. फेज-चेंज सामग्री वारंवार स्विचिंग सायकलमुळे खराब होऊ शकते आणि उत्पादन एकसमानता ही एक समस्या आहे. चालू कार्य साहित्य अभियांत्रिकी आणि सर्किट-स्तरीय भरपाई तंत्रांवर केंद्रित आहे.
संभाव्य अनुप्रयोग
- रिअल-टाइम संवेदी प्रक्रिया (उदा. ऑडिओ, व्हिडिओ)
- स्वायत्त नेव्हिगेशन आणि नियंत्रण
- मेंदू-मशीन इंटरफेस
- उच्च-वारंवारता व्यापार अल्गोरिदम
संगणनावर व्यापक परिणाम
हा विकास नॉन-वॉन न्यूमन आर्किटेक्चरच्या दिशेने जागतिक प्रयत्नांशी संरेखित आहे. AI मॉडेल्सची जटिलता वाढत असताना, डायनॅमिक, वेळ-बदलणाऱ्या डेटा हाताळू शकणाऱ्या विशेष हार्डवेअरची आवश्यकता सर्वोपरि होते. फेज-चेंज मेमरिस्टर अल्ट्रा-कार्यक्षम, रिअल-टाइम न्यूरल गणनेचा मार्ग देतात जे एज डिव्हाइसेस आणि डेटा सेंटर्सची क्षमता पुन्हा परिभाषित करू शकतात.
सायन्स मध्ये प्रकाशित हा अभ्यास, साहित्य शास्त्रज्ञ, इलेक्ट्रिकल अभियंते आणि संगणक शास्त्रज्ञ यांच्यातील सहयोगी प्रयत्नांचे प्रतिनिधित्व करतो. हे आधुनिक हार्डवेअर नवकल्पनेचे आंतरविद्याशाखीय स्वरूप अधोरेखित करते आणि न्यूरोमॉर्फिक सिस्टीममध्ये वेगासाठी एक नवीन बेंचमार्क सेट करते.
हा लेख सायन्स (AAAS) च्या रिपोर्टिंगवर आधारित आहे. मूळ लेख वाचा.
Originally published on science.org
