கட்ட-மாற்ற மெம்ரிஸ்டர்கள் நிகழ்நேர AI க்கு 10 மில்லி விநாடிக்கும் குறைவான நரம்பியல் இயக்கவியலை செயல்படுத்துகின்றன

நியூரோமார்பிக் வன்பொருளில் முன்னேற்றம்

Science (தொகுதி 393, இதழ் 6806, ஜூலை 2026) இல் வெளியிடப்பட்ட ஒரு முக்கிய ஆய்வில், ஆராய்ச்சியாளர்கள் 10 மில்லி விநாடிக்கும் குறைவான பதில் நேரங்களுடன் செயல்படும் கட்ட-மாற்ற மெம்ரிஸ்டர்களில் கட்டப்பட்ட ஒரு நரம்பியல் இயக்கவியல் அமைப்பை வெளிப்படுத்தியுள்ளனர். இந்த முன்னேற்றம் AI பயன்பாடுகளுக்கான நிகழ்நேர செயலாக்கத்திற்கு திறன் கொண்ட மூளை-ஈர்க்கப்பட்ட கம்ப்யூட்டிங் வன்பொருளை உணர்ந்துகொள்வதில் ஒரு குறிப்பிடத்தக்க பாய்ச்சலைக் குறிக்கிறது.

கட்ட-மாற்ற மெம்ரிஸ்டர்கள் எவ்வாறு செயல்படுகின்றன

கட்ட-மாற்ற மெம்ரிஸ்டர்கள் உருவமற்ற மற்றும் படிக நிலைகளுக்கு இடையில் மாறும் பொருட்களைப் பயன்படுத்துகின்றன, அவற்றின் மின் எதிர்ப்பை மாற்றுகின்றன. இந்த பண்பு நரம்பியல் நெட்வொர்க்குகளில் சினாப்டிக் எடைகளைப் பிரதிபலிக்க அனுமதிக்கிறது. புதிய அமைப்பு இந்த மெம்ரிஸ்டர்களை ஒரு இயக்கவியல் கட்டமைப்பில் ஒருங்கிணைக்கிறது, இது உயிரியல் நரம்பியல் சுற்றுகளுக்கு ஒத்த முறையில் தகவல்களை செயலாக்குகிறது.

முக்கிய செயல்திறன் அளவீடுகள்

• பதில் நேரம்: <10 ms, நிகழ்நேர கணக்கீட்டை செயல்படுத்துகிறது
• ஆற்றல் திறன்: வழக்கமான டிஜிட்டல் செயலிகளை விட பல ஆர்டர்கள் குறைவு
• அளவிடுதல்: கிராஸ்பார் வரிசைகளில் அடர்த்தியான ஒருங்கிணைப்புக்கான சாத்தியம்

AI மற்றும் எட்ஜ் கம்ப்யூட்டிங்கிற்கான தாக்கங்கள்

10 மில்லி விநாடிக்கும் குறைவான வேகம் தன்னாட்சி வாகனங்கள், ரோபாட்டிக்ஸ் மற்றும் மருத்துவ நோயறிதல் போன்ற விரைவான முடிவெடுக்கும் பயன்பாடுகளுக்கு முக்கியமானது. நினைவக இடையூறு இடையூறால் பாதிக்கப்படும் பாரம்பரிய வான் நியூமன் கட்டமைப்புகளைப் போலல்லாமல், இந்த மெம்ரிஸ்டர் அடிப்படையிலான அமைப்பு நேரடியாக நினைவகத்தில் கணக்கீட்டைச் செய்கிறது, தாமதம் மற்றும் மின் நுகர்வை வெகுவாகக் குறைக்கிறது.

தற்போதைய தொழில்நுட்பங்களுடன் ஒப்பீடு

Intel இன் Loihi அல்லது IBM இன் TrueNorth போன்ற தற்போதைய நியூரோமார்பிக் சிப்கள் மில்லி விநாடி முதல் விநாடி வரையிலான வரம்பில் செயல்படுகின்றன. கட்ட-மாற்ற மெம்ரிஸ்டர் அமைப்பு ஒரு ஆர்டர்-ஆஃப்-மேக்னிட்யூட் முன்னேற்றத்தை அடைகிறது, இது உயிரியல் நரம்பியல் நெட்வொர்க்குகளின் தற்காலிக தீர்மானத்தை நெருங்குகிறது. இது மிகவும் இயற்கையான மனித-இயந்திர இடைமுகங்கள் மற்றும் வேகமான AI அனுமானத்தை செயல்படுத்த முடியும்.

சவால்கள் மற்றும் எதிர்கால திசைகள்

முடிவுகள் நம்பிக்கைக்குரியவை என்றாலும், சாதன மாறுபாடு மற்றும் ஆயுள் ஆகியவற்றில் உள்ள சவால்களை ஆராய்ச்சியாளர்கள் குறிப்பிடுகின்றனர். கட்ட-மாற்ற பொருட்கள் மீண்டும் மீண்டும் மாறும் சுழற்சிகளில் சிதைந்துவிடும், மேலும் உற்பத்தி சீரான தன்மை ஒரு பிரச்சினையாக உள்ளது. தொடர்ந்து நடந்து வரும் பணி பொருள் பொறியியல் மற்றும் சுற்று-நிலை இழப்பீட்டு நுட்பங்களில் கவனம் செலுத்துகிறது.

சாத்தியமான பயன்பாடுகள்

• நிகழ்நேர உணர்வு செயலாக்கம் (எ.கா., ஆடியோ, வீடியோ)
• தன்னாட்சி வழிசெலுத்தல் மற்றும் கட்டுப்பாடு
• மூளை-இயந்திர இடைமுகங்கள்
• அதிக அதிர்வெண் வர்த்தக வழிமுறைகள்

கம்ப்யூட்டிங்கில் பரந்த தாக்கம்

இந்த வளர்ச்சி வான் நியூமன் அல்லாத கட்டமைப்புகளை நோக்கிய உலகளாவிய முயற்சியுடன் ஒத்துப்போகிறது. AI மாதிரிகள் சிக்கலில் வளரும்போது, மாறும், நேர-மாறுபடும் தரவைக் கையாளக்கூடிய சிறப்பு வன்பொருளின் தேவை மிக முக்கியமானதாகிறது. கட்ட-மாற்ற மெம்ரிஸ்டர்கள் எட்ஜ் சாதனங்கள் மற்றும் தரவு மையங்களின் திறன்களை மறுவரையறை செய்யக்கூடிய அதி-திறனுள்ள, நிகழ்நேர நரம்பியல் கணக்கீட்டிற்கான ஒரு பாதையை வழங்குகின்றன.

Science இல் வெளியிடப்பட்ட இந்த ஆய்வு, பொருள் விஞ்ஞானிகள், மின் பொறியாளர்கள் மற்றும் கணினி விஞ்ஞானிகள் இடையேயான கூட்டு முயற்சியை பிரதிபலிக்கிறது. இது நவீன வன்பொருள் புதுமையின் இடைநிலைத் தன்மையை அடிக்கோடிட்டுக் காட்டுகிறது மற்றும் நியூரோமார்பிக் அமைப்புகளில் வேகத்திற்கான ஒரு புதிய அளவுகோலை அமைக்கிறது.

இந்த கட்டுரை Science (AAAS) அறிக்கையை அடிப்படையாகக் கொண்டது. அசல் கட்டுரையைப் படிக்கவும்.