Komputer yang Dapat Dikonfigurasi Ulang yang Bekerja Seperti Otak Anda

Para insinyur dari Indian Institute of Science baru-baru ini meluncurkan chip komputer generasi berikutnya yang mampu beralih antara berbagai tugas komputasi hanya dengan mengubah susunan kimianya. Desain baru ini mengambil inspirasi dari otak manusia, membuka pintu bagi sistem AI masa depan yang tidak hanya belajar tetapi juga dilengkapi dengan pengetahuan. Berikut yang perlu Anda ketahui.

Membuka potensi masa depan komputasi membutuhkan pemikiran di luar kebiasaan. Seiring dengan tercapainya batas teoritis desain chip, pendekatan baru harus dikonfigurasi agar daya komputasi dapat terus ditingkatkan.

Manufaktur Chip

Dalam hal mengembangkan chip yang lebih cepat dan lebih kecil untuk mendukung perangkat elektronik generasi berikutnya, Silikon dipandang sebagai pilihan utama. Semikonduktor yang melimpah dan murah ini memberikan mobilitas pembawa muatan yang memadai, sehingga dapat bertindak sebagai isolator dan konduktor ketika dikombinasikan dengan material lain dan dialiri arus.

Selain itu, silikon teroksidasi (silika) dapat ditumbuhkan dalam lembaran tipis yang mendukung desain sirkuit berlapis-lapis. Kemampuan ini menjadikannya ideal untuk digunakan dalam mikro- dan nanoelektronik saat ini. Namun, ada beberapa kekurangan serius pada material ini.

Pemrosesan silikon dapat berbahaya bagi lingkungan karena bahan kimia yang terlibat. Selain itu, kemampuannya untuk menampung nanoelektronik terbatas. Perangkat dengan panjang gerbang di bawah 7 nm dapat mengalami banyak interferensi. Gangguan ini dapat terjadi karena berbagai alasan, termasuk kebocoran sinyal dan penerowongan kuantum.

Nanoelektronika

Nanoelektronika adalah langkah selanjutnya dalam miniaturisasi. Perangkat ini, yang berukuran di bawah 100 nm, sangat kecil sehingga lebih rentan terhadap mekanika kuantum daripada fisika tradisional. Interaksi ini dapat menyebabkan perubahan antarmuka dan respons nonlinier lainnya karena kompleksitas pengoperasian pada skala ini.

Komputasi Neuromorfik

Ketika Anda mengecilkan sirkuit hingga skala nano, menjadi sangat sulit untuk mengandalkan proses mekanis untuk menyelesaikan tugas. Karena itu, para insinyur beralih ke opsi komputasi neuromorfik untuk menyimpan informasi dan melakukan perhitungan. Perangkat ini didasarkan pada otak Anda.

Komputer neuromorfik menggunakan material oksida dan sakelar filamen untuk menyelesaikan tugas komputasi. Struktur ini hanya memperkecil pendekatan komputasi saat ini untuk meniru pembelajaran. Strategi ini berbeda dari menciptakan perangkat yang secara inheren memiliki data sebagai bagian dari struktur alaminya.

Oleh karena itu, para ilmuwan telah mengerahkan banyak upaya untuk menciptakan material canggih yang mampu menyimpan, mengolah, dan beradaptasi dengan data tanpa mengubah permukaan fisiknya. Namun, seluk-beluk pembuatan struktur semacam itu masih belum terpecahkan.

Elektronika Molekuler

Keinginan untuk menciptakan mesin yang lebih kecil dan lebih serbaguna ini mendorong para insinyur elektronika molekuler untuk mencoba mendokumentasikan interaksi atom dan aksi kuantum dengan tujuan akhir untuk dapat memprediksi hasil-hasil ini dengan akurasi yang tinggi.

Namun, tugas ini tampak mustahil. Hingga bulan ini, ketika sebuah tim ilmuwan merilis sebuah studi terobosan yang menunjukkan bagaimana mereka mampu memprediksi dan mengendalikan tindakan-tindakan ini secara andal.

Studi Komputer yang Dapat Dikonfigurasi Ulang

Para insinyur dan ilmuwan di Pusat Sains dan Rekayasa Nano (CeNSE) di India baru saja menulis ulang buku panduan elektronika molekuler dengan "Memristor yang Direkayasa Secara Molekuler untuk Fungsionalitas Neuromorfik yang Dapat Dikonfigurasi Ulang¹” studi.

Sumber - advanced Material

Makalah ini menggabungkan kemajuan terbaru di bidang teknik elektro, kimia, dan fisika untuk menciptakan perangkat skala nano yang dapat menyesuaikan susunan kimianya untuk menjalankan beberapa peran, termasuk sebagai unit memori, gerbang logika, prosesor, atau sinapsis elektronik.

Perangkat Molekuler yang Dapat Diadaptasi

Keberhasilan studi ini membantu menunjukkan bagaimana kimia dapat melakukan lebih dari sekadar mendukung aktivitas komputasi—kimia dapat menyediakannya. Selain itu, kemampuan adaptasi ini memungkinkan perangkat yang sama untuk berfungsi sebagai unit memori dan komputasi tanpa menambahkan material atau mengubah bentuk fisiknya.

Kerangka Kerja Prediktif

Salah satu langkah pertama yang perlu diambil para insinyur adalah menciptakan cara untuk memprediksi bagaimana perubahan kimia akan memengaruhi transpor listrik. Secara spesifik, mereka mengembangkan algoritma pemodelan kimia kuantum yang dapat secara akurat melacak molekul saat bergerak melalui film tersebut.

Algoritma tersebut mencakup banyak data relevan lainnya, termasuk bagaimana oksidasi dan reduksi memengaruhi setiap molekul dan bagaimana interaksi keduanya dalam kaitannya dengan matriks molekuler secara keseluruhan. Data ini kemudian digunakan untuk menentukan stabilitas keseluruhan molekul, dengan mencatat setiap pergeseran ion lawan secara real-time.

Para insinyur, berbekal algoritma prediktif mereka, mulai menggunakan perilaku peralihan untuk memprediksi bagaimana mengubah satu perangkat dari penyimpanan, aktivitas komputasi, dan banyak lagi. Algoritma ini memungkinkan para insinyur untuk secara tepat menyetel lingkungan molekuler lokal dan interaksi antarmolekul menggunakan kompleks rutenium organik.

Respons Memoris

Dengan menggunakan algoritma sebagai panduan, tim tersebut berhasil memodulasi satu sirkuit secara terprogram. Yang mengesankan, mereka mampu mencapai berbagai modalitas, termasuk memori digital, analog, biner, dan ternary.

Untuk menyelesaikan tugas ini, mereka harus menyesuaikan ligan dan ion yang mengelilingi molekul rutenium. Kemampuan adaptasi ini diperluas hingga mencakup berbagai nilai konduktansi yang secara dinamis mengkonfigurasi ulang kemampuan perangkat solid-state tersebut.

Geser untuk menggulir →

Tes Komputer yang Dapat Dikonfigurasi Ulang

Untuk menguji teori mereka, para ilmuwan harus menciptakan kompleks rutenium yang dirancang khusus. Mereka berhasil membangun 17 kompleks untuk penelitian ini, yang memungkinkan mereka untuk memantau perubahan kecil dalam konfigurasi molekul dan susunan ionik.

Pembuatan perangkat ini dipimpin oleh Pallavi Gaur. Gaur melaporkan bahwa perangkat tersebut mampu beralih antara penyimpanan, komputasi, dan konfigurasi ulang tanpa perubahan material. Kemampuan ini membuat perangkat ini jauh lebih dekat dengan cara kerja otak Anda, mendorong kemajuan ilmu komputasi neuromorfik.

Hasil Tes Komputer yang Dapat Dikonfigurasi Ulang

Hasil pengujian mengkonfirmasi teori insinyur bahwa dimungkinkan untuk menggabungkan memori dan komputasi dalam material yang sama. Hal ini juga menunjukkan bagaimana kimia dapat digunakan untuk melakukan komputasi dan bukan hanya melengkapi komponen aktif suatu perangkat. Oleh karena itu, karya ini menyatukan teknologi nanokomputasi dan teknik kimia untuk membuka pintu bagi perangkat kuantum yang lebih kecil dan lebih canggih.

Manfaat Komputer yang Dapat Dikonfigurasi Ulang

Ada beberapa manfaat yang dibawa oleh studi komputer yang dapat dikonfigurasi ulang ke pasar. Pertama, studi ini membuka pintu bagi elektronik skala nano pada skala baru. Di masa lalu, perangkat ini hanya dapat dibuat sekecil itu sebelum semua keandalannya hilang. Fakta bahwa perangkat tersebut memiliki bagian yang bergerak membuat mustahil untuk menentukan pengoperasiannya pada skala nano.

Pendekatan baru ini memungkinkan perangkat solid-state untuk melakukan berbagai tugas komputasi, seperti bertindak sebagai elemen memori, gerbang logika, selektor, prosesor analog, atau sinapsis elektronik. Fleksibilitas ini akan membantu para insinyur di masa depan untuk merancang perangkat yang lebih mumpuni dan ringan.

Lebih Sedikit Interferensi

Struktur ini juga mengurangi interferensi yang disebabkan oleh penerowongan kuantum dan masalah lain ketika membahas perangkat skala molekuler. Semakin kecil suatu perangkat, semakin banyak interferensi dari sumber luar yang dapat memengaruhinya. Ketika Anda menggabungkan fakta ini dengan miniaturisasi perangkat, mudah untuk melihat mengapa pendekatan ini dianggap sebagai terobosan besar oleh sebagian besar orang.

Konduktansi Tambahan

Manfaat utama lainnya adalah peningkatan konduktivitas. Silikon murni bukanlah konduktor atau isolator yang baik. Karena itu, diperlukan penambahan zat aditif dan bahan kimia lain untuk meningkatkan kinerjanya. Desain baru ini memberikan keandalan yang lebih tinggi dan dapat mendukung konduktivitas yang jauh lebih besar. Secara spesifik, para ilmuwan mencatat peningkatan enam orde besaran.

Komputer yang Dapat Dikonfigurasi Ulang: Aplikasi Dunia Nyata & Garis Waktu

Beberapa aplikasi untuk komputer yang dapat dikonfigurasi ulang dapat membantu mempermudah kehidupan jutaan orang. Salah satunya, komputer ini pada akhirnya akan digunakan dalam aplikasi AI. Sistem AI membutuhkan sejumlah besar data untuk ditransfer antar perangkat dan referensi.

Saat ini, terdapat celah yang sangat kecil antara logika komputasi dan memori, yang mengakibatkan penundaan. Seiring bertambahnya komputasi, penundaan ini menjadi lebih besar, sehingga mengakibatkan komputasi yang lebih lambat. Pendekatan ini akan menghilangkan kebutuhan untuk memisahkan logika, memori, dan tugas inti lainnya, memungkinkan satu perangkat untuk langsung beralih ke masing-masing fungsi tersebut saat dibutuhkan.

Perangkat Medis Generasi Berikutnya

Bidang medis adalah area lain di mana teknologi ini dapat membuat perbedaan besar. Implan dan unit internal lainnya dapat dibuat lebih kecil dan dengan lebih sedikit bagian yang bergerak. Pendekatan ini akan membuatnya kurang invasif dan memberikan ruang untuk daya komputasi tambahan jika diperlukan.

Garis Waktu Komputer yang Dapat Dikonfigurasi Ulang

Mungkin dibutuhkan waktu 7–10 tahun sebelum Anda menjumpai komputer yang dapat dikonfigurasi ulang. Perangkat ini pertama kali akan muncul dalam sistem AI yang lebih besar, membantu mengurangi biaya operasional dan meningkatkan efisiensi. Namun, masih banyak pengujian dan pengembangan yang perlu dilakukan, serta menemukan produsen yang sesuai yang mampu memproduksi perangkat ini dalam skala besar.

Peneliti Komputer yang Dapat Dikonfigurasi Ulang

Studi tentang komputer yang dapat dikonfigurasi ulang ini disusun oleh tim peneliti di Institut Sains India. Studi ini dipimpin oleh Asisten Profesor di Pusat Sains dan Rekayasa Nano (CeNSE), Sreetosh Goswami.

Bagian sintesis molekuler dari penelitian ini diselesaikan oleh Pradip Ghosh, Ramanujan Fellow, dan Santi Prasad Rath. Makalah ini juga mencantumkan Shayon Bhattacharya, Lohit T, Harivignesh S, dan Damien Thompson sebagai kontributor.

Komputer yang Dapat Dikonfigurasi Ulang di Masa Depan

Para peneliti memiliki tugas berat di depan mereka. Saat ini, mereka sedang mengeksplorasi cara mengintegrasikan teknologi ini ke dalam strategi manufaktur chip CMOS yang ada. Tujuan keseluruhan mereka adalah untuk membuat perangkat yang memiliki kecerdasan yang tertanam di dalamnya, sehingga meningkatkan kinerja, stabilitas, dan efisiensi.

Berinvestasi di Bidang Komputasi dalam Memori

Terdapat beberapa perusahaan di sektor manufaktur chip yang menawarkan peluang investasi yang menarik. Perusahaan-perusahaan ini telah menyaksikan peningkatan permintaan untuk produk-produk inovatif mereka seiring dengan semakin populernya AI dan sistem komputasi canggih lainnya. Berikut adalah salah satu produsen yang tetap berada di garis depan teknologi foundry chip.

Teknologi GSI (GSIT)

Meskipun studi di atas menyoroti masa depan komputasi molekuler, GSI Technology saat ini sedang mengkomersialkan versi berbasis silikon dari konsep ini. GSI adalah pengembang Associative Processing Unit (APU), sebuah teknologi yang secara fundamental mengubah cara komputer memproses data dengan melakukan komputasi secara langsung. di tempat di dalam susunan memori—sebuah konsep yang dikenal sebagai “Compute-in-Memory” (CIM).

Arsitektur ini mengatasi “kemacetan von Neumann” yang sama seperti yang disebutkan dalam studi tersebut (penundaan yang disebabkan oleh pemisahan logika dan memori). Dengan menghilangkan kebutuhan untuk mengirim data bolak-balik antara prosesor dan RAM, APU Gemini® dari GSI memberikan akselerasi besar untuk beban kerja AI dan pencarian.

Hasil pengujian terbaru yang divalidasi oleh Universitas Cornell mengkonfirmasi bahwa APU GSI dapat menyamai kinerja GPU kelas atas (seperti NVIDIA A6000) untuk tugas-tugas AI tertentu sambil mengonsumsi energi sekitar 98% lebih sedikit.

GSI Technology berkantor pusat di Sunnyvale, California, dan terdaftar di bursa saham NASDAQ. Produk memori tahan radiasinya telah menjadi andalan di sektor kedirgantaraan dan pertahanan, menyediakan basis pendapatan yang stabil seiring dengan peluncuran chip AI canggihnya untuk pasar yang lebih luas.

Bagi mereka yang mencari perusahaan yang terdaftar di bursa Amerika Utara yang berfokus sepenuhnya pada masa depan komputasi berbasis memori, sebaiknya meneliti GSI Technology. Perusahaan ini mewakili jembatan praktis antara silikon tradisional dan masa depan "kecerdasan tertanam" yang diimpikan oleh para peneliti.

Berita dan Kinerja Terbaru dari GSI Technology (GSIT)

Komputer yang Dapat Dikonfigurasi Ulang | Kesimpulan

Kemampuan untuk menciptakan komputer yang dapat dikonfigurasi ulang mengubah segalanya. Di masa depan, perangkat Anda dapat menjadi sangat andal dan tahan lama karena semua bagian yang bergerak digantikan oleh interaksi kimia. Selain itu, kemampuan ini membuka pintu bagi desain yang jauh lebih kecil dan kompleks yang tidak bergantung pada komponen mekanis, melainkan pada reaksi kimia organik.

Semua faktor ini dan masih banyak lagi menjadikan studi komputer yang dapat dikonfigurasi ulang sebagai terobosan yang berpotensi mengantarkan era baru integrasi komputasi dan AI. Karena itu, ada banyak minat pada pekerjaan ini. Untuk saat ini, tim akan fokus pada penyederhanaan proses fabrikasi dan pengurangan biaya serta kompleksitas produksi.

Pelajari tentang perkembangan komputasi keren lainnya. di sini.

Referensi

^{1. Gaur, P., Kundu, B., Ghosh, P., Bhattacharya, S., T, L., S, H., Rath, SP, Thompson, D., Goswami, S., & Goswami, S. Memristor yang Direkayasa Secara Molekuler untuk Fungsionalitas Neuromorfik yang Dapat Dikonfigurasi Ulang. Advanced Materials, e09143. https://doi.org/10.1002/adma.202509143}