आपके मस्तिष्क की तरह काम करने वाले पुनः कॉन्फ़िगर करने योग्य कंप्यूटर

भारतीय विज्ञान संस्थान (IISc) के इंजीनियरों ने हाल ही में एक अगली पीढ़ी का कंप्यूटर चिप प्रस्तुत किया है जो केवल उसकी रासायनिक संरचना बदलकर कई गणनात्मक कार्यों के बीच स्विच कर सकता है। नया डिज़ाइन मानव मस्तिष्क से प्रेरित है, जिससे भविष्य के एआई सिस्टम के लिए द्वार खुलता है जो केवल सीखते नहीं बल्कि ज्ञान के साथ अंतर्निहित होते हैं। यहाँ वह सब कुछ है जो आपको जानना चाहिए।

कम्प्यूटिंग का भविष्य खोलने के लिए कुछ बॉक्स के बाहर सोच की आवश्यकता होती है। जैसे ही चिप्स अपने डिज़ाइन की सैद्धांतिक सीमा तक पहुँचते हैं, नई विधियों को कॉन्फ़िगर करना पड़ता है ताकि गणनात्मक शक्ति को आगे बढ़ाया जा सके।

चिप निर्माण

अगली पीढ़ी के इलेक्ट्रॉनिक उपकरणों को शक्ति देने के लिए तेज़ और छोटे चिप्स विकसित करने के संदर्भ में, सिलिकॉन को प्रमुख विकल्प माना जाता है। यह प्रचुर, सस्ता अर्धचालक स्वीकार्य कैरियर गतिशीलता प्रदान करता है, जिससे यह अन्य पदार्थों के साथ मिलाकर और धारा लागू होने पर इंसुलेटर और कंडक्टर दोनों के रूप में कार्य कर सकता है।

इसके अतिरिक्त, ऑक्सीडाइज़्ड सिलिकॉन (सिलिका) को पतली शीटों में उगाया जा सकता है जो बहु-परत सर्किट डिज़ाइनों का समर्थन करती हैं। यह क्षमता इसे आज के माइक्रो- और नैनो-इलेक्ट्रॉनिक्स में उपयोग के लिए आदर्श बनाती है। हालांकि, इस सामग्री में कुछ गंभीर कमियां भी हैं।

सिलिकॉन प्रसंस्करण में उपयोग किए जाने वाले रसायनों के कारण पर्यावरण के लिए जोखिम हो सकता है। इसके अलावा, यह नैनो इलेक्ट्रॉनिक्स को होस्ट करने की क्षमता में सीमित है। 7 नैनोमीटर से कम गेट लंबाई वाले उपकरणों में बहुत अधिक हस्तक्षेप हो सकता है। ये व्यवधान कई कारणों से हो सकते हैं, जैसे सिग्नल लीक और क्वांटम टनलिंग।

नैनोइलेक्ट्रॉनिक्स

नैनोइलेक्ट्रॉनिक्स मिनीएचराइजेशन का अगला चरण है। ये उपकरण, जो 100 नैनोमीटर से कम माप के हैं, इतने छोटे होते हैं कि वे पारंपरिक भौतिकी की तुलना में क्वांटम मैकेनिक्स के प्रति अधिक संवेदनशील होते हैं। इस पैमाने पर संचालन की जटिलता के कारण ये अंतःक्रियाएँ इंटरफ़ेस परिवर्तन और अन्य गैर-रेखीय प्रतिक्रियाएँ उत्पन्न कर सकती हैं।

न्यूरोमोर्फिक कंप्यूटिंग

जब आप एक सर्किट को नैनोस्केल तक छोटा करते हैं, तो कार्यों को पूरा करने के लिए यांत्रिक प्रक्रियाओं पर भरोसा करना अत्यंत कठिन हो जाता है। इसलिए, इंजीनियरों ने जानकारी संग्रहीत करने और गणनाएँ करने के लिए न्यूरोमोर्फिक कंप्यूटिंग विकल्पों की ओर रुख किया है। ये उपकरण आपके मस्तिष्क पर आधारित हैं।

न्यूरोमोर्फिक कंप्यूटर ऑक्साइड सामग्री और फ़िलामेंटरी स्विचिंग का उपयोग करके गणनात्मक कार्यों को पूरा करते हैं। यह संरचना केवल वर्तमान कंप्यूटिंग दृष्टिकोण को छोटा करके सीखने की नकल करती है। यह रणनीति एक ऐसे उपकरण बनाने से अलग है जो स्वाभाविक रूप से डेटा को अपनी प्राकृतिक संरचना का हिस्सा बनाकर रखता है।

परिणामस्वरूप, वैज्ञानिकों ने एक उन्नत सामग्री बनाने में बहुत प्रयास किया है जो बिना अपनी भौतिक सतह बदले डेटा को संग्रहीत, गणना और अनुकूलित कर सके। हालांकि, ऐसी संरचना बनाने की जटिलताओं को अभी तक खोजा नहीं गया है।

आणविक इलेक्ट्रॉनिक्स

और भी छोटे मशीनों को अधिक बहुमुखी बनाने की यह इच्छा आणविक इलेक्ट्रॉनिक इंजीनियरों को परमाणु अंतःक्रियाओं और क्वांटम क्रियाओं को दस्तावेज़ करने के लिए प्रेरित करती है, जिसका अंतिम लक्ष्य इन परिणामों की अत्यधिक सटीकता के साथ भविष्यवाणी करना है।

हालांकि, यह कार्य असंभव प्रतीत हुआ। यह तब तक था जब इस महीने एक वैज्ञानिकों की टीम ने एक क्रांतिकारी अध्ययन जारी किया जिसने दिखाया कि वे इन क्रियाओं की विश्वसनीय रूप से भविष्यवाणी और नियंत्रण कैसे कर सके।

पुनः कॉन्फ़िगर करने योग्य कंप्यूटर अध्ययन

भारत के सेंटर फॉर नैनो साइंस एंड इंजीनियरिंग (CeNSE) के इंजीनियरों और वैज्ञानिकों ने अभी-अभी “Molecularly Engineered Memristors for Reconfigurable Neuromorphic Functionalities¹” अध्ययन के साथ आणविक इलेक्ट्रॉनिक्स की पुस्तक को फिर से लिखा है।

स्रोत – Advanced Materials

यह पेपर इलेक्ट्रिकल, रासायनिक और भौतिक इंजीनियरिंग में हालिया प्रगति को एक साथ लाता है ताकि नैनोस्केल डिवाइस बनाए जा सकें जो अपनी रासायनिक संरचना को समायोजित करके कई भूमिकाएँ निभा सकें, जैसे मेमोरी यूनिट, लॉजिक गेट, प्रोसेसर या इलेक्ट्रॉनिक सिनैप्स।

अनुकूलनीय आणविक उपकरण

अध्ययन की सफलता यह दर्शाने में मदद करती है कि रसायन विज्ञान केवल गणनात्मक गतिविधियों को समर्थन देने से अधिक कर सकता है—यह उन्हें प्रदान कर सकता है। इसके अलावा, यह अनुकूलन क्षमता एक ही डिवाइस को मेमोरी और गणनात्मक इकाई दोनों के रूप में कार्य करने की अनुमति देती है बिना अतिरिक्त सामग्री जोड़े या उसकी भौतिक आकृति बदले।

पूर्वानुमानात्मक ढांचा

इंजीनियरों को उठाए जाने वाले पहले कदमों में से एक था रासायनिक परिवर्तन कैसे विद्युत परिवहन को प्रभावित करेंगे, इसका पूर्वानुमान करने का तरीका बनाना। विशेष रूप से, उन्होंने एक क्वांटम रासायनिक मॉडलिंग एल्गोरिद्म विकसित किया जो फिल्म के माध्यम से गुजरते हुए अणुओं को सटीक रूप से ट्रैक कर सके।

एल्गोरिद्म में कई अन्य प्रासंगिक डेटा शामिल थे, जैसे कि ऑक्सीकरण और अपचयन ने प्रत्येक अणु को कैसे प्रभावित किया और वे समग्र आणविक मैट्रिक्स के संबंध में कैसे अंतःक्रिया करते हैं। इस डेटा का उपयोग फिर अणुओं की कुल स्थिरता निर्धारित करने के लिए किया गया, जिससे वास्तविक समय में किसी भी काउंटरआयन शिफ्ट को दर्ज किया गया।

इंजीनियर, अपने पूर्वानुमानात्मक एल्गोरिद्म से सुसज्जित, स्विचिंग व्यवहार का उपयोग करके यह भविष्यवाणी करने लगे कि एकल डिवाइस को संग्रहण, गणनात्मक गतिविधियों आदि में कैसे परिवर्तित किया जाए। यह एल्गोरिद्म इंजीनियरों को ऑर्गेनिक रूथेनियम कॉम्प्लेक्स का उपयोग करके स्थानीय आणविक वातावरण और अंतर-आणविक अंतःक्रियाओं को सटीक रूप से ट्यून करने में सक्षम बनाता है।

मेम्रिस्टिव प्रतिक्रियाएँ

एल्गोरिद्म को मार्गदर्शक बनाकर, टीम ने सफलतापूर्वक एकल सर्किट को प्रोग्रामेटिक रूप से मॉड्यूलेट किया। प्रभावशाली रूप से, वे डिजिटल, एनालॉग, बाइनरी और टर्नरी मेमोरी सहित कई मोडालिटीज़ प्राप्त करने में सक्षम रहे।

इस कार्य को पूरा करने के लिए, उन्हें रूथेनियम अणुओं के आसपास के लिगैंड और आयनों को समायोजित करना पड़ा। इस अनुकूलन क्षमता को विभिन्न कंडक्टेंस मानों को शामिल करने के लिए विस्तारित किया गया, जो ठोस-स्थिति डिवाइस की क्षमताओं को गतिशील रूप से पुनः कॉन्फ़िगर करता है।

स्क्रॉल करने के लिए स्वाइप करें →

पुनः कॉन्फ़िगर करने योग्य कंप्यूटर परीक्षण

अपने सिद्धांत का परीक्षण करने के लिए, वैज्ञानिकों को विशेष रूप से निर्मित रूथेनियम कॉम्प्लेक्स बनाना पड़ा। उन्होंने इस अध्ययन के लिए सफलतापूर्वक 17 बनाए, जिससे वे अणु विन्यास और आयनिक सेटिंग्स में सूक्ष्म परिवर्तन को मॉनिटर कर सके।

डिवाइस निर्माण का नेतृत्व पल्लवी गौर ने किया। गौर ने बताया कि डिवाइस बिना सामग्री परिवर्तन के संग्रहण, गणना और पुनः कॉन्फ़िगरेशन के बीच स्विच कर सकता है। यह क्षमता इस डिवाइस को आपके मस्तिष्क के कार्य करने के तरीके के बहुत करीब बनाती है, जिससे न्यूरोमोर्फिक कंप्यूटिंग विज्ञान आगे बढ़ता है।

पुनः कॉन्फ़िगर करने योग्य कंप्यूटर परीक्षण परिणाम

परीक्षण परिणामों ने इंजीनियर के सिद्धांत की पुष्टि की कि एक ही सामग्री में मेमोरी और गणना को संयोजित करना संभव है। इसने यह भी दिखाया कि रसायन विज्ञान का उपयोग गणनाएँ करने के लिए किया जा सकता है, न कि केवल डिवाइस के सक्रिय घटकों को पूरक करने के लिए। परिणामस्वरूप, यह कार्य नैनोकम्प्यूटिंग और रासायनिक इंजीनियरिंग तकनीक को एक साथ लाता है, जिससे छोटे और अधिक शक्तिशाली क्वांटम डिवाइसों के लिए द्वार खुलता है।

पुनः कॉन्फ़िगर करने योग्य कंप्यूटर लाभ

पुनः कॉन्फ़िगर करने योग्य कंप्यूटर अध्ययन बाजार में कई लाभ लाता है। सबसे पहले, यह नई स्केल पर नैनोस्केल इलेक्ट्रॉनिक्स के लिए द्वार खोलता है। अतीत में, इन उपकरणों को इतना छोटा बनाया जा सकता था कि सभी विश्वसनीयता खो जाती थी। उनके पास चलने वाले भाग होने के कारण नैनो स्केल पर उनकी संचालन क्षमता निर्धारित करना असंभव था।

यह नया दृष्टिकोण एक ठोस-स्थिति डिवाइस को कई गणनात्मक कार्य करने में सक्षम बनाता है, जैसे मेमोरी तत्व, लॉजिक गेट, सिलेक्टर, एनालॉग प्रोसेसर या इलेक्ट्रॉनिक सिनैप्स के रूप में कार्य करना। यह लचीलापन भविष्य के इंजीनियरों को अधिक सक्षम और हल्के उपकरण डिजाइन करने में मदद करेगा।

कम हस्तक्षेप

यह संरचना क्वांटम टनलिंग और अन्य समस्याओं के कारण होने वाले हस्तक्षेप को भी कम करती है जब हम आणविक-स्केल डिवाइसों की चर्चा करते हैं। जितना छोटा डिवाइस होगा, बाहरी स्रोतों से आने वाला हस्तक्षेप उतना ही अधिक प्रभावित करेगा। जब आप इस तथ्य को डिवाइसों के मिनीएचराइजेशन के साथ जोड़ते हैं, तो यह समझना आसान है कि अधिकांश लोग इस दृष्टिकोण को क्यों एक गेम-चेंजर मानते हैं।

वृद्धित कंडक्टेंस

एक और प्रमुख लाभ बढ़ी हुई कंडक्टेंस है। शुद्ध सिलिकॉन न तो अच्छा कंडक्टर है और न ही इंसुलेटर। इसलिए, प्रदर्शन सुधारने के लिए इसमें एडिटिव्स और अन्य रसायनों को मिलाना पड़ता है। यह नया डिज़ाइन अधिक विश्वसनीयता प्रदान करता है और बहुत अधिक कंडक्टेंस को समर्थन दे सकता है। विशेष रूप से, वैज्ञानिकों ने छह ऑर्डर-ऑफ़-मैग्निट्यूड सुधार दर्ज किया।

पुनः कॉन्फ़िगर करने योग्य कंप्यूटर: वास्तविक-विश्व अनुप्रयोग और समयरेखा

पुनः कॉन्फ़िगर करने योग्य कंप्यूटर के कई अनुप्रयोग लाखों लोगों के जीवन को आसान बना सकते हैं। सबसे पहले, इन्हें अंततः एआई अनुप्रयोगों में उपयोग किया जाएगा। एआई सिस्टम को उपकरणों और संदर्भों के भीतर बड़े पैमाने पर डेटा स्थानांतरित करने की आवश्यकता होती है।

वर्तमान में, गणनात्मक लॉजिक और मेमोरी के बीच एक बहुत छोटा अंतराल है, जिससे देरी होती है। जैसे-जैसे गणनाएँ बढ़ती हैं, यह देरी बड़ी होती जाती है, जिससे कंप्यूटिंग धीमी हो जाती है। यह दृष्टिकोण लॉजिक, मेमोरी और अन्य मुख्य कार्यों को अलग करने की आवश्यकता को समाप्त कर देगा, जिससे एक ही डिवाइस आवश्यकता पड़ने पर तुरंत प्रत्येक में परिवर्तित हो सकेगा।

अगली पीढ़ी के चिकित्सा उपकरण

चिकित्सा क्षेत्र वह दूसरा क्षेत्र है जहाँ यह तकनीक बड़ा अंतर ला सकती है। इम्प्लांट और अन्य आंतरिक इकाइयों को छोटा और कम चलने वाले भागों के साथ बनाया जा सकता है। यह दृष्टिकोण उन्हें कम जटिल बनाता है और आवश्यकता पड़ने पर अतिरिक्त गणनात्मक शक्ति के लिए जगह प्रदान करता है।

पुनः कॉन्फ़िगर करने योग्य कंप्यूटर समयरेखा

आपको पुनः कॉन्फ़िगर करने योग्य कंप्यूटर से मिलने में 7–10 वर्ष लग सकते हैं। ये डिवाइस पहले बड़े एआई सिस्टमों में उभरेंगे, जिससे उनके संचालन लागत में कमी और दक्षता में सुधार होगा। हालांकि, अभी भी बहुत परीक्षण और विकास करना बाकी है, साथ ही ऐसे उपयुक्त निर्माता की खोज भी जो इन डिवाइसों को बड़े पैमाने पर निर्मित कर सके।

पुनः कॉन्फ़िगर करने योग्य कंप्यूटर शोधकर्ता

पुनः कॉन्फ़िगर करने योग्य कंप्यूटर अध्ययन भारतीय विज्ञान संस्थान (IISc) के शोधकर्ताओं की टीम द्वारा तैयार किया गया था। इस अध्ययन का नेतृत्व सेंटर फॉर नैनो साइंस एंड इंजीनियरिंग (CeNSE) के सहायक प्रोफेसर, श्रीतोष गोस्वामी ने किया।

अध्ययन के आणविक संश्लेषण भाग प्रदीप घोष, रामानुजन फेलो, और संतिप्रसाद राठ द्वारा पूर्ण किए गए। पेपर में शायोन भट्टाचार्य, लोहित टी, हरिविग्नेश एस, और डेमियन थॉम्पसन को भी योगदानकर्ता के रूप में सूचीबद्ध किया गया है।

पुनः कॉन्फ़िगर करने योग्य कंप्यूटर भविष्य

शोधकर्ताओं के सामने काफी काम है। वर्तमान में, वे इस तकनीक को आज की CMOS चिप निर्माण रणनीतियों में एकीकृत करने की खोज कर रहे हैं। उनका समग्र लक्ष्य ऐसे डिवाइस बनाना है जिनमें बुद्धिमत्ता अंतर्निहित रूप से एम्बेडेड हो, जिससे प्रदर्शन, स्थिरता और दक्षता में सुधार हो।

कम्प्यूट-इन-मेमारी क्षेत्र में निवेश

चिप निर्माण क्षेत्र में कई कंपनियां हैं जो रोचक निवेश अवसर प्रस्तुत करती हैं। एआई और अन्य उच्च-शक्ति वाले कम्प्यूटेशनल सिस्टम के सामान्य होने के साथ इन कंपनियों की नवाचारी उत्पादों की मांग बढ़ी है। यहाँ एक निर्माता है जो चिप फाउंड्री तकनीक के अग्रभाग में बना रहा है।

GSI टेक्नोलॉजी (GSIT)

जबकि उपरोक्त अध्ययन आणविक कंप्यूटिंग के भविष्य को उजागर करता है, GSI टेक्नोलॉजी आज इस अवधारणा के सिलिकॉन-आधारित संस्करण को व्यावसायिक बना रही है। GSI एसोसिएटिव प्रोसेसिंग यूनिट (APU) का विकासकर्ता है, एक तकनीक जो मेमोरी एरे के भीतर सीधे इन-प्लेस गणनाएँ करके कंप्यूटर डेटा प्रोसेस करने के तरीके को मूल रूप से बदल देती है—जिसे “कम्प्यूट-इन-मेमारी” (CIM) कहा जाता है।

यह आर्किटेक्चर अध्ययन में उल्लेखित वही “वॉन न्यूमन बॉटलनेक” (लॉजिक और मेमोरी को अलग करने से उत्पन्न देरी) को संबोधित करता है। प्रोसेसर और RAM के बीच डेटा को बार-बार ले जाने की आवश्यकता को समाप्त करके, GSI का Gemini® APU एआई और सर्च वर्कलोड्स के लिए विशाल गति प्रदान करता है।

कॉर्नेल विश्वविद्यालय द्वारा सत्यापित हालिया बेंचमार्क ने पुष्टि की कि GSI के APU विशिष्ट एआई कार्यों के लिए शीर्ष-स्तरीय GPUs (जैसे NVIDIA (NVDA ) A6000) के प्रदर्शन के बराबर हो सकता है, जबकि लगभग 98% कम ऊर्जा खपत करता है।

GSI टेक्नोलॉजी का मुख्यालय सनिवेल, कैलिफ़ोर्निया में स्थित है, और यह NASDAQ पर सूचीबद्ध है। इसके रेडिएशन-हार्डेन्ड मेमोरी उत्पाद पहले से ही एयरोस्पेस और रक्षा क्षेत्रों में मुख्य हैं, जो व्यापक बाजार के लिए अपने अत्याधुनिक एआई चिप्स को रोल आउट करते हुए एक स्थिर राजस्व आधार प्रदान करते हैं।

जो लोग मेमोरी-केंद्रित कंप्यूटिंग के भविष्य में एक उत्तरी अमेरिकी सूचीबद्ध “शुद्ध खेल” की तलाश में हैं, उन्हें GSI टेक्नोलॉजी का अध्ययन करना चाहिए। यह पारंपरिक सिलिकॉन और शोधकर्ताओं द्वारा कल्पित “एंबेडेड इंटेलिजेंस” भविष्य के बीच एक व्यावहारिक पुल का प्रतिनिधित्व करता है।

नवीनतम GSI टेक्नोलॉजी (GSIT) समाचार और प्रदर्शन

पुनः कॉन्फ़िगर करने योग्य कंप्यूटर | निष्कर्ष

पुनः कॉन्फ़िगर करने योग्य कंप्यूटर बनाने की क्षमता सब कुछ बदल देती है। भविष्य में, आपके उपकरण अत्यधिक विश्वसनीय और टिकाऊ हो सकते हैं क्योंकि सभी चलने वाले भाग रासायनिक अंतःक्रियाओं से बदल दिए जाएंगे। इसके अतिरिक्त, यह क्षमता बहुत छोटे और अधिक जटिल डिज़ाइनों के लिए द्वार खोलती है जो यांत्रिक घटकों पर निर्भर नहीं बल्कि जैविक रासायनिक प्रतिक्रियाओं पर निर्भर होते हैं।

इन सभी कारकों और अधिक ने पुनः कॉन्फ़िगर करने योग्य कंप्यूटर अध्ययन को एक गेम-चेंजर बना दिया है, जिसमें कंप्यूटिंग और एआई एकीकरण के नए युग को लाने की संभावना है। इस प्रकार, इस कार्य में बहुत रुचि है। अभी के लिए, टीम निर्माण प्रक्रियाओं को सरल बनाने और उत्पादन लागत और जटिलताओं को कम करने पर ध्यान केंद्रित करेगी।

अन्य शानदार कम्प्यूटेशनल विकासों के बारे में यहाँ जानें।

संदर्भ

^{1. Gaur, P., Kundu, B., Ghosh, P., Bhattacharya, S., T, L., S, H., Rath, S. P., Thompson, D., Goswami, S., & Goswami, S. Molecularly Engineered Memristors for Reconfigurable Neuromorphic Functionalities. Advanced Materials, e09143. https://doi.org/10.1002/adma.202509143}