वे बहुत कम शक्ति का उपभोग करते हैं और मस्तिष्क की कोशिकाओं के समान व्यवहार करते हैं: तथाकथित मेमिस्टर। इलिया वेलोव के नेतृत्व में ज्यूलिच के शोधकर्ताओं ने अब उपन्यास मेमोरिस्टिव घटकों को पेश किया है प्रकृति संचार यह पिछले संस्करणों में महत्वपूर्ण लाभ प्रदान करता है: वे अधिक मजबूत हैं, एक व्यापक वोल्टेज रेंज में कार्य करते हैं, और एनालॉग और डिजिटल दोनों मोड में काम कर सकते हैं। ये गुण “भयावह भूल” की समस्या को संबोधित करने में मदद कर सकते हैं, जहां कृत्रिम तंत्रिका नेटवर्क अचानक पहले से सीखी गई जानकारी को भूल जाते हैं।
“भयावह भूल” की समस्या तब होती है जब गहरे तंत्रिका नेटवर्क को एक नए कार्य के लिए प्रशिक्षित किया जाता है। ऐसा इसलिए है क्योंकि एक नया अनुकूलन केवल पिछले एक को अधिलेखित करता है। मस्तिष्क में यह समस्या नहीं है क्योंकि यह स्पष्ट रूप से सिनैप्टिक परिवर्तन की डिग्री को समायोजित कर सकता है; विशेषज्ञ अब एक तथाकथित “मेटाप्लास्टी” के बारे में भी बात कर रहे हैं। उन्हें संदेह है कि यह केवल प्लास्टिसिटी के इन अलग -अलग डिग्री के माध्यम से है कि हमारा मस्तिष्क पुरानी सामग्री को भूल जाने के बिना नए कार्यों को स्थायी रूप से सीख सकता है। नया ज्ञापन कुछ इसी तरह का पूरा करता है।
पीटर ग्रुएनबर्ग इंस्टीट्यूट (PGI-7) के फोर्सचुंग्सेन्ट्रम जूलिच में पीटर ग्रुएनबर्ग इंस्टीट्यूट (PGI-7) के इलिया वेलोव का कहना है, “इसके अनूठे गुण मेमेंडर के मॉड्यूलेशन को इस तरह से नियंत्रित करने के लिए अलग-अलग स्विचिंग मोड के उपयोग की अनुमति देते हैं कि संग्रहीत जानकारी खो नहीं जाती है।”
न्यूरो-प्रेरित उपकरणों के लिए आदर्श उम्मीदवार
आधुनिक कंप्यूटर चिप्स तेजी से विकसित हो रहे हैं। उनके विकास को मेमिसर्स से एक और बढ़ावा मिल सकता है – एक शब्द से प्राप्त किया गया याद और अवरोध। ये घटक अनिवार्य रूप से मेमोरी के साथ प्रतिरोधक हैं: उनके विद्युत प्रतिरोध में लागू वोल्टेज के आधार पर परिवर्तन होते हैं, और पारंपरिक स्विचिंग तत्वों के विपरीत, वोल्टेज बंद होने के बाद भी उनका प्रतिरोध मूल्य बना रहता है। इसका कारण यह है कि मेम्वरक संरचनात्मक परिवर्तनों से गुजर सकते हैं – उदाहरण के लिए, इलेक्ट्रोड पर जमा करने वाले परमाणुओं के कारण।
इलिया वेलोव कहते हैं, “मस्तिष्क पर मॉडलिंग किए गए सीखने योग्य, न्यूरो-प्रेरित कंप्यूटर घटकों के लिए यादगार तत्वों को आदर्श उम्मीदवार माना जाता है।”
काफी प्रगति और प्रयासों के बावजूद, घटकों का व्यावसायीकरण अपेक्षा से धीमी गति से प्रगति कर रहा है। यह विशेष रूप से उत्पादन में अक्सर उच्च विफलता दर और उत्पादों के एक छोटे जीवनकाल के कारण होता है। इसके अलावा, वे गर्मी उत्पादन या यांत्रिक प्रभावों के प्रति संवेदनशील होते हैं, जिससे ऑपरेशन के दौरान लगातार खराबी हो सकती है। “बुनियादी शोध इसलिए नैनोस्केल प्रक्रियाओं को बेहतर तरीके से नियंत्रित करने के लिए आवश्यक है,” वेलोव कहते हैं, जो कई वर्षों से मेमर्स के इस क्षेत्र में काम कर रहे हैं। “हमें सिस्टम की जटिलता को कम करने और कार्यात्मकताओं की सीमा को बढ़ाने के लिए नई सामग्रियों और स्विचिंग तंत्र की आवश्यकता है।”
यह इस संबंध में ठीक है कि रसायनज्ञ और सामग्री वैज्ञानिक, जर्मन और चीनी सहयोगियों के साथ मिलकर, अब एक महत्वपूर्ण सफलता की रिपोर्ट करने में सक्षम हैं: “हमने एक मौलिक रूप से नए इलेक्ट्रोकेमिकल मेमिर्टिव तंत्र की खोज की है जो रासायनिक और विद्युत रूप से अधिक स्थिर है,” वालोव बताते हैं। विकास अब पत्रिका में प्रस्तुत किया गया है प्रकृति संचार।
मेमर्स के लिए एक नया तंत्र
“अब तक, दो मुख्य तंत्रों को तथाकथित द्विध्रुवी मेमोरिस्टर्स: ईसीएम और वीसीएम के कामकाज के लिए पहचाना गया है,” वेलोव बताते हैं। ईसीएम का अर्थ ‘इलेक्ट्रोकेमिकल मेटलाइज़ेशन’ और वीसीएम ‘वैलेंस चेंज मैकेनिज्म’ के लिए है।
- ईसीएम मेमोरिस्टर्स दो इलेक्ट्रोड के बीच एक धातु का फिलामेंट बनाएं – एक छोटा “प्रवाहकीय पुल” जो विद्युत प्रतिरोध को बदल देता है और वोल्टेज के उलट होने पर फिर से घुल जाता है। यहां महत्वपूर्ण पैरामीटर विद्युत रासायनिक प्रतिक्रिया का ऊर्जा बाधा (प्रतिरोध) है। यह डिज़ाइन कम स्विचिंग वोल्टेज और तेजी से स्विचिंग समय के लिए अनुमति देता है, लेकिन उत्पन्न राज्य परिवर्तनशील और अपेक्षाकृत अल्पकालिक हैं।
- वीसीएम मेमोरिस्टर्सदूसरी ओर, धातु आयनों के आंदोलन के माध्यम से प्रतिरोध को न बदलें, बल्कि इलेक्ट्रोड और इलेक्ट्रोलाइट के बीच इंटरफेस में ऑक्सीजन आयनों के आंदोलन के माध्यम से-तथाकथित स्कॉटकी बाधा को संशोधित करके। यह प्रक्रिया तुलनात्मक रूप से स्थिर है, लेकिन उच्च स्विचिंग वोल्टेज की आवश्यकता होती है।
प्रत्येक प्रकार के ज्ञापन के अपने फायदे और नुकसान हैं। “हम इसलिए एक मेमोरिस्टर डिजाइन करने पर विचार करते हैं जो दोनों प्रकारों के लाभों को जोड़ती है,” इलिया वेलोव बताते हैं। विशेषज्ञों के बीच, यह पहले असंभव माना जाता था। “हमारा नया मेमिस्टर एक पूरी तरह से अलग सिद्धांत पर आधारित है: यह ईसीएम की तरह विशुद्ध रूप से धातु के बजाय धातु ऑक्साइड से बने एक फिलामेंट का उपयोग करता है,” वालोव बताते हैं। यह फिलामेंट ऑक्सीजन और टैंटलम आयनों के आंदोलन से बनता है और अत्यधिक स्थिर होता है – यह कभी भी पूरी तरह से घुल नहीं जाता है। “आप इसे एक फिलामेंट के रूप में सोच सकते हैं जो हमेशा कुछ हद तक मौजूद होता है और केवल रासायनिक रूप से संशोधित होता है,” वेलोव कहते हैं।
उपन्यास स्विचिंग तंत्र इसलिए बहुत मजबूत है। वैज्ञानिक भी इसे एक के रूप में संदर्भित करते हैं फिलामेंट चालकता संशोधन तंत्र (FCM)। इस तंत्र पर आधारित घटकों के कई फायदे हैं: वे रासायनिक और विद्युत रूप से अधिक स्थिर हैं, उच्च तापमान के लिए अधिक प्रतिरोधी, एक व्यापक वोल्टेज विंडो है और उत्पादन करने के लिए कम वोल्टेज की आवश्यकता होती है। नतीजतन, विनिर्माण प्रक्रिया के दौरान कम घटक जलते हैं, अस्वीकार दर कम है और उनका जीवनकाल लंबा है।
“भयावह भूल” के लिए परिप्रेक्ष्य समाधान
उसके शीर्ष पर, विभिन्न ऑक्सीकरण राज्य मेमेंडर को एक बाइनरी और/या एनालॉग मोड में संचालित करने की अनुमति देते हैं। जबकि बाइनरी सिग्नल डिजिटल हैं और केवल दो राज्यों को आउटपुट कर सकते हैं, एनालॉग सिग्नल निरंतर हैं और किसी भी मध्यवर्ती मूल्य पर ले जा सकते हैं। एनालॉग और डिजिटल व्यवहार का यह संयोजन न्यूरोमॉर्फिक चिप्स के लिए विशेष रूप से दिलचस्प है क्योंकि यह “भयावह भूल” की समस्या को दूर करने में मदद कर सकता है: गहरे तंत्रिका नेटवर्क को हटा दें जो उन्होंने सीखा है जब वे एक नए कार्य के लिए प्रशिक्षित होते हैं। ऐसा इसलिए है क्योंकि एक नया अनुकूलन केवल पिछले एक को अधिलेखित करता है।
मस्तिष्क में यह समस्या नहीं है क्योंकि यह स्पष्ट रूप से सिनैप्टिक परिवर्तन की डिग्री को समायोजित कर सकता है; विशेषज्ञ अब एक तथाकथित “मेटाप्लास्टी” के बारे में भी बात कर रहे हैं। उन्हें संदेह है कि यह केवल प्लास्टिसिटी के इन अलग -अलग डिग्री के माध्यम से है कि हमारा मस्तिष्क पुरानी सामग्री को भूल जाने के बिना नए कार्यों को स्थायी रूप से सीख सकता है। नया ओमिक मेमेंडर कुछ इसी तरह का पूरा करता है। “इसके अद्वितीय गुण विभिन्न स्विचिंग मोड के उपयोग की अनुमति देते हैं ताकि मेमोरर के मॉड्यूलेशन को इस तरह से नियंत्रित किया जा सके कि संग्रहीत जानकारी खो नहीं जाती है।”
शोधकर्ताओं ने पहले से ही एक सिमुलेशन में एक कृत्रिम तंत्रिका नेटवर्क के एक मॉडल में नए मेमोरिस्टिव घटक को लागू कर दिया है। कई छवि डेटा सेटों में, सिस्टम ने पैटर्न मान्यता में उच्च स्तर की सटीकता प्राप्त की। भविष्य में, टीम उन मेमर्स के लिए अन्य सामग्रियों की तलाश करना चाहती है जो यहां प्रस्तुत संस्करण की तुलना में बेहतर और अधिक स्थिर काम कर सकते हैं। “हमारे परिणाम ‘गणना-इन-मेमोरी’ अनुप्रयोगों के लिए इलेक्ट्रॉनिक्स के विकास को और आगे बढ़ाएंगे,” वालोव निश्चित है।
