मेम्रिस्टर्स कैसे एआई को अधिक मानव-समान बना रहे हैं

न्यूरोमोर्फिक, मस्तिष्क-समान एआई हार्डवेयर का उदय

जैसे ही एआई तकनीकी उद्योग का केंद्र बनता है, एक बढ़ती समस्या उभरी है: सीपीयू और जीपीयू का उपयोग करके एआई चलाने पर अत्यधिक कंप्यूटिंग और ऊर्जा की मांग।

परिणामस्वरूप, शोधकर्ता न्यूरल प्रोसेसिंग यूनिट्स (NPUs) पर कड़ी मेहनत कर रहे हैं, जिन्हें न्यूरोमोर्फिक चिप्स भी कहा जाता है, जो मस्तिष्क के न्यूरॉनों की नकल करने वाला एआई हार्डवेयर का प्रकार है।

“यह नहीं कि हमारे चिप्स या कंप्यूटर जो भी कर रहे हैं उसके लिए पर्याप्त शक्तिशाली नहीं हैं। यह है कि वे पर्याप्त कुशल नहीं हैं। वे बहुत अधिक ऊर्जा का उपयोग करते हैं।”प्रोफेसर Joshua Yang – University Of Southern California

मस्तिष्क-प्रेरित हार्डवेयर की ओर बदलाव कृत्रिम बुद्धिमत्ता के प्रति हमारे दृष्टिकोण को पुनः आकार दे सकता है। न्यूरोमोर्फिक डिज़ाइन पारंपरिक चिप्स की तुलना में तीन प्रमुख लाभ प्रदान करते हैं:

• अनुकूली वास्तुकला: सर्किट्री जो प्रशिक्षण डेटा के आधार पर स्वयं को पुनः कॉन्फ़िगर कर सकती है।
• क्रांतिकारी ऊर्जा दक्षता: कुछ मामलों में, जीपीयू की शक्ति का केवल 1/100 भाग उपयोग करती है।
• कम गर्मी उत्सर्जन: आज के एआई डेटा सेंटरों को परेशान करने वाली महंगी कूलिंग आवश्यकताओं को कम करती है।

(आप एआई-विशेषीकृत हार्डवेयर, जिसमें NPUs शामिल हैं, के बारे में हमारी समर्पित रिपोर्ट में अधिक पढ़ेंविषय पर.)

“वास्तविक न्यूरल गतिविधि की नकल करने वाले माइक्रोचिप्स विकसित करने में सक्षम होना मतलब है कि स्टैंडबाय या जब मशीन उपयोग में नहीं है, तब बहुत अधिक शक्ति की आवश्यकता नहीं होती।”

यह कुछ ऐसा है जो एक बड़ी संभावित गणनात्मक और आर्थिक लाभ हो सकता है।

John LaRocco – मनोविज्ञान में शोध वैज्ञानिक at Ohio State’s College of Medicine.

शोधकर्ता न्यूरोमोर्फिक चिप्स बनाने के कई आशाजनक तरीकों का परीक्षण कर रहे हैं। एक दृष्टिकोण प्रारम्भिक फेरोइलेक्ट्रिसिटी का उपयोग करना है—एक अभी भी पूरी तरह समझ न आया हुआ घटना जो सामग्री को सही परिस्थितियों में स्वचालित रूप से अपनी विद्युत ध्रुवता बदलने की अनुमति दे सकती है। दूसरा फोकस वैनाडियम या टाइटेनियम से बने सक्रिय सब्सट्रेट्स पर है, जो सामग्री मस्तिष्क-सम जैसे संकेतों की नकल करने के लिए अपनी विद्युत गुणधर्मों को गतिशील रूप से बदल सकते हैं।

शायद सबसे अधिक चर्चा किया गया मार्ग मेम्रिस्टर्स का उपयोग है—एक क्रांतिकारी वर्ग के इलेक्ट्रॉनिक घटक जो प्रतिरोध परिवर्तन के माध्यम से जानकारी संग्रहीत कर सकते हैं। ये उपकरण सामान्य शक्ति खपत के केवल 1/800 भाग पर एआई कार्य कर सकते हैं, जिससे वे विकास में सबसे ऊर्जा-कुशल समाधान में से एक बनते हैं।

मेम्रिस्टर्स कैसे सिनैप्स की नकल करते हैं

स्क्रॉल करने के लिए स्वाइप करें →

मेम्रिस्टर्स इलेक्ट्रॉनिक घटक हैं जो न्यूरॉन-जोड़ने वाले सिनैप्स की नकल करते हैं by remembering which electric state they were toggled to after their power is turned off.

यह प्रोसेसर और मेमोरी के बीच डेटा को आगे-पीछे ले जाने में खोए ऊर्जा और समय को काफी कम कर सकता है।

मेम्रिस्टर्स की मुख्य ताकतों में से एक उनकी कुशल और स्व-अनुकूलनशील इन-सिटु सीखने की क्षमता है, जो रोबोटिक्स और स्वायत्त वाहनों में अनुप्रयोगों के लिए महत्वपूर्ण है।

इसके अलावा, मेम्रिस्टर्स की कम शक्ति खपत विशेष रूप से रोबोटिक्स और स्वायत्त वाहनों में लाभदायक है, जहाँ ऊर्जा दक्षता अत्यंत महत्वपूर्ण है।

सबसे अच्छे मेम्रिस्टर्स बनाने के कई मार्गों की खोज की जा रही है, अपेक्षाकृत पारंपरिक टाइटेनियम ऑक्साइड मेम्रिस्टर्स से लेकर वास्तविक मानव न्यूरॉन्स (ऑर्गेनॉइड्स) या यहाँ तक कि मशरूम का उपयोग तक।

ऑर्गेनिक सामग्री, जिसमें वास्तविक न्यूरॉन्स शामिल हैं, का उपयोग करके न्यूरॉन्स की गतिविधि की नकल करने का विचार सैद्धांतिक स्तर पर समझ में आता है। हालांकि, व्यवहार में, ऐसे “कंप्यूटर” को पारंपरिक आईटी सिस्टमों से जोड़ना चुनौतीपूर्ण हो सकता है।

 “हमारी मौजूदा कंप्यूटिंग सिस्टम्स को कभी भी बड़े पैमाने पर डेटा प्रोसेस करने या स्वयं कुछ ही उदाहरणों से सीखने के लिए नहीं बनाया गया था।

ऊर्जा और सीखने की दक्षता दोनों को बढ़ाने का एक तरीका यह है कि कृत्रिम सिस्टम बनाएं जो मस्तिष्क में देखे गए सिद्धांतों के अनुसार कार्य करें।

प्रोफेसर Joshua Yang – University Of South California

मानव मस्तिष्क की तुलना में यह अक्षमता चौंकाने वाली है। एक छोटा बच्चा कुछ ही उदाहरणों को देखकर हस्तलिखित अंकों को पहचानना सीख सकता है, जबकि एक कंप्यूटर को समान कार्य करने के लिए आमतौर पर हजारों उदाहरणों की आवश्यकता होती है।

और मानव मस्तिष्क यह कार्य लगभग 20W शक्ति की खपत के साथ करता है, जबकि नवीनतम एआई डेटा सेंटर GW-स्तर की शक्ति, या लगभग सौ मिलियन गुना अधिक शक्ति की बात कर रहे हैं।

एक नया मध्यवर्ती विकल्प यह हो सकता है कि मूल सिद्धांत में न्यूरॉन्स की तरह कार्य करने वाले कृत्रिम चिप्स बनाए जाएँ। यह वही मार्ग है जिसे यूनिवर्सिटी ऑफ साउदर्न कैलिफ़ोर्निया, यूनिवर्सिटी ऑफ कैलिफ़ोर्निया, यूनिवर्सिटी ऑफ मैसाचुसेट्स, सिराक्यूज़ यूनिवर्सिटी, एयर फ़ोर्स रिसर्च लैबोरेटरी, और नासा एम्स रिसर्च सेंटर के शोधकर्ता अपना रहे हैं।

उन्होंने अपने परिणाम Nature Electronics¹ में प्रकाशित किए, शीर्षक “एक विसरणशील मेम्रिस्टर, एक ट्रांज़िस्टर और एक रेज़िस्टर पर आधारित स्पाइकिंग कृत्रिम न्यूरॉन” के तहत।

विसरणशील मेम्रिस्टर्स का उपयोग करके न्यूरॉन्स के फायर होने की नकल

न्यूरॉन्स कैसे काम करते हैं?

न्यूरॉन्स एक-दूसरे के साथ कैसे संपर्क करते हैं, और अंततः जानकारी को प्रोसेस करते हैं, यह दोनों विद्युत और रासायनिक संकेतों का उपयोग करके होता है।

यदि संकेत पर्याप्त मजबूत हो, तो यह एक विद्युत आवेग उत्पन्न करता है जिसे एक्शन पोटेंशियल कहा जाता है, जो सकारात्मक चार्ज वाले सोडियम आयनों को कोशिका में प्रवाहित होने देता है।

स्रोत: Nature Electronics

जब यह विद्युत संकेत प्राप्त होता है, तो यह न्यूरोट्रांसमीटर की रिहाई का कारण बनता है।

अब तक, इलेक्ट्रॉनिक मेम्रिस्टर्स और कॉम्प्लीमेंटरी मेटल–ऑक्साइड–सेमिकंडक्टर (CMOS) सर्किट्स ने ऐसे कार्य को वर्चुअल रूप से सिमुलेट करने के लिए विद्युत संकेतों का उपयोग किया है, जिसके लिए न्यूरॉन को सिमुलेट करने हेतु सैकड़ों ट्रांज़िस्टर की आवश्यकता होती है।

इसके बजाय, शोधकर्ताओं ने एक उपकरण विकसित किया जिसे “डिफ्यूज़िव मेम्रिस्टर” कहा जाता है, जो गणनात्मक प्रक्रियाओं को शुरू करने के लिए वास्तविक रासायनिक अंतःक्रियाओं का भी उपयोग करता है।

डिफ्यूज़िव मेम्रिस्टर्स क्या हैं और वे कैसे काम करते हैं?

जबकि पारंपरिक सिलिकॉन सिस्टम्स गणनाओं के लिए इलेक्ट्रॉनों पर निर्भर करते हैं, डिफ्यूज़िव मेम्रिस्टर्स एटमों की गति का उपयोग करते हैं। वे ऑक्साइड सामग्री में एम्बेडेड सिल्वर आयनों का उपयोग करके विद्युत पल्स उत्पन्न करते हैं जो प्राकृतिक मस्तिष्क कार्यों की नकल करते हैं।

स्रोत: Nature Electronics

बेशक, यह बिल्कुल उसी तरह न्यूरॉन के काम करने की नकल नहीं करता, लेकिन सिद्धांत बहुत समान है।

“हालांकि हमारे कृत्रिम सिनैप्स और न्यूरॉन्स में आयन बिल्कुल समान नहीं हैं, आयन गति और गतिशीलता को नियंत्रित करने वाली भौतिकी बहुत समान है।”
प्रोफेसर Joshua Yang – University Of South California

इस समानता का एक हिस्सा इस तथ्य से आता है कि इस मेम्रिस्टर प्रणाली में सिल्वर आयन आसानी से प्रसारित होते हैं, जैसे कि सोडियम आयन ऑर्गेनिक कोशिकाओं में गति कर सकते हैं।

सिल्वर के अलावा, मेम्रिस्टर पॉलिडियम, सिलिकॉन, टाइटेनियम, और हाफ़्नियम का भी उपयोग करता है। इस शोध ने विद्युत उत्तेजना के जवाब में सिल्वर के प्रसार को वास्तविक समय में दृश्य रूप में दिखाया।

स्क्रॉल करने के लिए स्वाइप करें →

भविष्य: न्यूरोमोर्फिक चिप्स और ऊर्जा-कुशल एआई

इस नए प्रकार के मेम्रिस्टर का एक मुख्य लाभ यह है कि यह एकल ट्रांज़िस्टर के फुटप्रिंट में फिट हो जाता है, जबकि पुराने डिज़ाइनों को दशकों या यहाँ तक कि सैकड़ों की आवश्यकता होती थी।

प्रारंभिक परीक्षण में केवल कुछ ही ऐसे डिफ्यूज़िव मेम्रिस्टर्स का उपयोग किया गया, जिससे यह प्रदर्शित हुआ कि इन्हें आज लगभग सभी एआई सिस्टम्स द्वारा उपयोग किए जाने वाले सामान्य मल्टी-लेवल न्यूरल नेटवर्क बनाने के लिए उपयोग किया जा सकता है।

स्रोत: Nature Electronics

अगला कदम इन सिस्टमों की अधिक संख्या को असेंबल करना होगा ताकि यह परीक्षण किया जा सके कि वे वास्तविक एआई कार्यों को करने में कितने कुशल हो सकते हैं।

“हम ऐसे बिल्डिंग ब्लॉक्स डिजाइन कर रहे हैं जिन्होंने अंततः हमें चिप आकार को कई क्रमों में घटाने और ऊर्जा खपत को भी कई क्रमों में घटाने में मदद की।

इस प्रकार भविष्य में एआई को स्थायी रूप से चलाना संभव होगा, समान स्तर की बुद्धिमत्ता के साथ बिना ऐसी ऊर्जा को जलाए जिसे हम बनाए नहीं रख सकते।

प्रोफेसर Joshua Yang – University Of South California

यह पता लगाना कि अन्य आयनों का उपयोग किया जा सकता है या नहीं, भी उपयोगी हो सकता है, क्योंकि सिल्वर आयन अर्धचालक निर्माण में आमतौर पर उपयोग नहीं होते, जो उद्योग द्वारा इस डिज़ाइन को अपनाने की गति को सीमित कर सकता है।

डिफ्यूज़िव मेम्रिस्टर्स का एक और प्रभाव यह है कि वे जैविक मस्तिष्क के कार्य करने के तरीके को बेहतर समझने में मदद कर सकते हैं।

दीर्घकाल में, वे विशेष रूप से तथाकथित “एज कंप्यूटिंग” के लिए उपयोगी होने की संभावना है, जहाँ गणना सीधे साइट पर की जाती है, जैसे कि रोबोट या स्व-ड्राइविंग कार को एआई डेटा सेंटर से कनेक्शन के बिना निर्णय लेना पड़ता है।

न्यूरोमोर्फिक चिप निर्माताओं में निवेश

Intel

इंटेल सेमीकंडक्टर सेक्टर में एक दिग्गज है और वर्षों में उद्योग के संस्थापक से लेकर वैज्ञानिक और नवाचार नेता तक विकसित हुआ है, उत्पादन मात्रा में शीर्ष स्थान को ताइवान की TSMC जैसी कंपनियों को खो दिया है।

इंटेल न्यूरोमोर्फिक कंप्यूटिंग में अग्रणी है, जिसमें उसका Loihi 2 चिप भी शामिल है।

इसने Intel Neuromorphic Research Community (INTC ) भी बनाई है, जिसमें पेंसिल्वेनिया स्टेट यूनिवर्सिटी शामिल है, जो वैनाडियम डाइऑक्साइड शोध में शामिल है, साथ ही कई अन्य संभावित न्यूरोमोर्फिक डिज़ाइनों और 75+ अन्य शोध समूहों को शामिल करता है।

इंटेल जैविक संवेदना की नकल करने में भी बहुत सक्रिय है, हमारे मस्तिष्क के काम करने के तरीके को दोहराकर (जो स्वयं न्यूरोमोर्फिक कंप्यूटिंग की एक शाखा है), जिसे हमने अपने लेख “बायोमिमेटिक ओल्फैक्टरी चिप्स: क्या कृत्रिम बुद्धिमत्ता और ई-नोज़ अगली कोयला खान में कैनरी हैं?” में आगे चर्चा की है।

समग्र रूप से, Intel Lab से शोध सेमीकंडक्टर नवाचार के अग्रभाग में है, जिसमें एआई, क्वांटम कंप्यूटिंग, न्यूरोमोर्फिक कंप्यूटिंग आदि शामिल हैं। (हमने अपने लेख “क्वांटम कंप्यूटिंग की वर्तमान स्थिति” में इंटेल की क्वांटम कंप्यूटिंग में प्रगति पर चर्चा की थी)।

आप हमारे समर्पित निवेश रिपोर्ट में इंटेल के वर्तमान व्यवसाय और अनुसंधान एवं विकास कार्यक्रमों के बारे में अधिक पढ़ सकते हैं।

नवीनतम इंटेल (INTC) स्टॉक समाचार और विकास

संदर्भित अध्ययन

^{1. Zhao, R., Wang, T., Moon, T. et al. एक विसरणशील मेम्रिस्टर, एक ट्रांज़िस्टर, और एक रेज़िस्टर पर आधारित स्पाइकिंग कृत्रिम न्यूरॉन. Nature Electronics (2025). https://doi.org/10.1038/s41928-025-01488-x}