यंत्रे माणसांप्रमाणे लक्षात ठेवू शकतात का? मेमरिस्टर्स लक्ष वेधून का घेत आहेत?

या ब्लॉग पोस्टमध्ये, आपण मेमरिस्टर्सची तत्त्वे आणि वैशिष्ट्ये—मानवी सिनॅप्सची नक्कल करणारी इलेक्ट्रॉनिक उपकरणे—आणि कृत्रिम बुद्धिमत्ता तंत्रज्ञानातील त्यांचे महत्त्व जाणून घेणार आहोत.

जेव्हा तुम्ही पहिल्यांदा सबवेने प्रवास करता, तेव्हा चाकांचा खडखडाट नेहमीपेक्षा खूप मोठा वाटतो. पण, जसजशी ट्रेन एकामागून एक स्टेशन ओलांडते, तसतसा एक क्षण असा येतो की आपल्याला तो आवाज जवळजवळ जाणवतच नाही. याचे कारण असे की, एकाच प्रकारच्या उत्तेजनाची वारंवार पुनरावृत्ती झाल्यामुळे आपल्या संवेदना बोथट झालेल्या असतात. याउलट, यंत्राच्या संवेदना सहजासहजी बोथट होत नाहीत. पेय देणाऱ्या व्हेंडिंग मशीनचेच उदाहरण घेऊया. कोणते बटण दाबले आहे हे ते यंत्र अचूकपणे ओळखते आणि त्यानुसार पेय देते. ही प्रक्रिया दिवसभर पुन्हा पुन्हा केली गेली तरी, दुसऱ्या दिवशीही ते यंत्र कोणताही संकोच न बाळगता तेच काम करते. बहुतेक यंत्रांची कार्यक्षमता अशा पुनरावृत्तीच्या कामांमध्येही सातत्यपूर्ण राहते. मग, माणसांप्रमाणेच यंत्रांच्या संवेदनाही बोथट होण्याची क्षमता असती तर?
संवेदी मंदता ही चेतापेशींच्या जोडणीशी (synapses) जवळून संबंधित आहे. चेतापेशी म्हणजे मानवी मेंदू बनवणाऱ्या चेतापेशींमधील (न्यूरॉन्स) जोडणी होय, आणि संवेदी माहिती चेतापेशी व चेतापेशींच्या जोडणीमधून जाताना विद्युत-रासायनिक संकेतांच्या स्वरूपात प्रसारित होते. जेव्हा तोच संकेत वारंवार प्रसारित होतो, तेव्हा चेतापेशींच्या जोडणीवरील चेताप्रसारणाची कार्यक्षमता तात्पुरती कमी होते, ज्यामुळे संवेदी मंदता म्हणून ओळखली जाणारी घटना घडते. तर, चेतापेशींच्या जोडणीची ही वैशिष्ट्ये संगणकांमध्ये अनुकरण करणे शक्य आहे का?
पारंपरिक संगणकांचा गाभा असंख्य ट्रान्झिस्टरचा बनलेला असतो. खरे तर, मानवी चेतापेशींच्या जोडणीची (synapses) नक्कल करण्यासाठी पूर्वी ट्रान्झिस्टरवर संशोधन केले गेले होते. तथापि, हे ज्ञात आहे की मानवी मेंदूमध्ये १०० ट्रिलियनपेक्षा जास्त चेतापेशींच्या जोडणी असतात आणि त्या सर्वांची अंमलबजावणी ट्रान्झिस्टरद्वारे करताना एकीकरण घनता (integration density) आणि वीज वापराच्या बाबतीत लक्षणीय मर्यादा येतात. जसे जसे ट्रान्झिस्टर-आधारित चेतासंस्थेचे जाळे (neural networks) मोठे होत जाते, तशी त्यांची जागेची आवश्यकता आणि वीज वापर मोठ्या प्रमाणात वाढतो. याच कारणामुळे, संशोधक आता मेमरिस्टर नावाच्या एका नवीन इलेक्ट्रॉनिक उपकरणाकडे आपले लक्ष वळवत आहेत, जे मानवी चेतापेशींच्या जोडणीसारखी अधिक समान वैशिष्ट्ये अंमलात आणू शकते.
'मेमरिस्टर' हा शब्द 'मेमरी' आणि 'रेझिस्टर' या शब्दांचे मिश्रण आहे; हे एक अतिसूक्ष्म इलेक्ट्रॉनिक उपकरण आहे जे पूर्वी झालेल्या विद्युत प्रवाहाचा प्रभाव टिकवून ठेवते. सामान्यतः रेझिस्टर विद्युत प्रवाहाचे प्रमाण ठरवतो, तर मेमरिस्टरचे प्रतिरोध मूल्य त्यातून वाहलेल्या एकूण विद्युत प्रवाहाच्या प्रमाणावर अवलंबून बदलते. तसेच, विद्युत पुरवठा खंडित झाल्यानंतरही ते आपली शेवटची प्रतिरोध स्थिती टिकवून ठेवते. ही वैशिष्ट्ये एक मोठा फायदा मानली जातात, कारण त्यामुळे स्वतंत्र मेमरी उपकरणाच्या गरजेशिवाय माहिती साठवता येते. पारंपरिक ट्रान्झिस्टर देखील माहिती साठवू शकत असले तरी, त्यांना अतिरिक्त सर्किटरीची आवश्यकता असते, ज्यामुळे उपकरणाचा आकार वाढतो आणि विजेचा वापरही वाढतो. याउलट, मेमरिस्टरची रचना साधी असते, ते कमी वीज वापरतात आणि उच्च एकात्मतेसाठी (high integration) अत्यंत योग्य आहेत; परिणामी, पुढील पिढीतील मेमरी आणि न्यूरोमॉर्फिक कंप्युटिंगच्या क्षेत्रात एक प्रमुख तंत्रज्ञान म्हणून त्यांच्यावर संशोधन केले जात आहे.
जरी मेमरिस्टरची संकल्पना सर्वप्रथम १९७१ मध्ये प्राध्यापक लिओन ओ. चुआ यांनी मांडली असली, तरी त्या वेळी ट्रान्झिस्टर तंत्रज्ञान वेगाने प्रगत होत असल्यामुळे त्याकडे फारसे लक्ष दिले गेले नाही. तथापि, २००८ मध्ये ह्युलेट-पॅकार्ड येथील संशोधकांनी एका खऱ्या मेमरिस्टरची यशस्वी अंमलबजावणी केल्यानंतर, संबंधित संशोधनाला लक्षणीय गती मिळाली आणि आता ते पुढच्या पिढीतील सेमीकंडक्टर आणि कृत्रिम बुद्धिमत्ता हार्डवेअर या क्षेत्रांमधील मुख्य तंत्रज्ञानांपैकी एक मानले जाते.
मेमरिस्टरची मूलभूत रचना प्लॅटिनम इलेक्ट्रोड्सच्या मध्ये टायटॅनियम डायऑक्साइड (TiO₂) ठेवून केली जाते. ऑक्सिजनच्या वितरणावर अवलंबून, टायटॅनियम डायऑक्साइड दोन वेगवेगळ्या गुणधर्मांच्या भागांमध्ये विभागलेला असतो. एक भाग म्हणजे टायटॅनियम डायऑक्साइड (TiO₂), जो ऑक्सिजनने पूर्णपणे संतृप्त असतो आणि जिथे ऑक्सिजनची हालचाल जवळजवळ होत नाही; दुसरा भाग म्हणजे टायटॅनियम डायऑक्साइड (TiO₂-x), जिथे काही ऑक्सिजनची कमतरता असते, ज्यामुळे ऑक्सिजनला तुलनेने मुक्तपणे फिरता येते. ज्या भागात ऑक्सिजन अंशतः कमी असतो, त्या भागातून कमी व्होल्टेजवरही विद्युत प्रवाह सहजपणे वाहत असल्यामुळे, या भागाचे प्रमाण वाढल्यास एकूण विद्युत रोध कमी होतो. व्होल्टेज लागू करण्यासाठी टायटॅनियम डायऑक्साइडच्या थराच्या वर आणि खाली प्लॅटिनम इलेक्ट्रोड्स ठेवलेले असतात.
आता, वरच्या इलेक्ट्रोडला ऋण व्होल्टेज लावल्यास काय होते ते पाहूया. समान विद्युत प्रभार एकमेकांना दूर ढकलत असल्यामुळे, इंटरफेसजवळील ऑक्सिजन आयन विरुद्ध दिशेच्या प्रदेशाकडे सरकतात. परिणामी, पूर्वी ऑक्सिजनने संतृप्त असलेला प्रदेश, ऑक्सिजन बाहेर पडल्यामुळे, विजेचा प्रवाह सहज होणारा प्रदेश बनतो आणि विद्युत प्रवाह सहज होणारा प्रदेश हळूहळू विस्तारतो. याउलट, जर खालच्या इलेक्ट्रोडला ऋण व्होल्टेज लावले, तर ऑक्सिजन आयन त्यांच्या मूळ दिशेत परत जातात, ज्यामुळे उच्च विद्युत वाहकतेचा प्रदेश आकुंचन पावतो, तर पुरेसा ऑक्सिजन असलेला प्रदेश पुन्हा विस्तारतो. जोपर्यंत व्होल्टेज लावलेला असतो, तोपर्यंत हे बदल सुरू राहतात, जे मेमरिस्टरचे पहिले वैशिष्ट्य दर्शवते: त्याच्या रोधाचे मूल्य वाहणाऱ्या विद्युत प्रवाहाच्या प्रमाणानुसार बदलते.
मग वीज बंद केल्यावरही रोधाचे मूल्य का बदलत नाही? ट्रान्झिस्टरसुद्धा व्होल्टेजनुसार आपली अवस्था बदलतात, पण वीज गेल्यावर ते सामान्यतः ती अवस्था टिकवून ठेवू शकत नाहीत. याउलट, मेमरिस्टरमध्ये टायटॅनियम ऑक्साईडमधील अणूंची रचनाच बदलत असल्यामुळे, वीज गेल्यावरही अंतिम अवस्था टिकून राहते.
ज्या भागांमध्ये ऑक्सिजनची अंशतः कमतरता असते, तिथे दोन प्रकारचे टायटॅनियम आयन (Ti³⁺, Ti⁴⁺) अस्तित्वात असतात. जेव्हा ऑक्सिजन आयन हलतात, तेव्हा चार्ज संतुलन राखण्यासाठी टायटॅनियम आयनांमध्ये इलेक्ट्रॉनची अदलाबदल होते आणि या प्रक्रियेत, काही Ti³⁺ आयनांचे Ti⁴⁺ आयनांमध्ये रूपांतर होते. Ti⁴⁺ आयनांवर अधिक धन प्रभार असल्यामुळे, ते ऋण प्रभारित ऑक्सिजन आयनांना अधिक तीव्रतेने आकर्षित करतात, त्यामुळे हे चार्ज हस्तांतरण नैसर्गिकरित्या घडते. परिणामी, व्होल्टेज काढून टाकल्यानंतरही अणूंची नवीन रचना तशीच राहते, त्यामुळे रेझिस्टन्ससुद्धा आपली अंतिम स्थिती कायम ठेवतो.
सोप्या भाषेत सांगायचे झाल्यास, ही परिस्थिती अशी आहे की जणू एक व्यक्ती सबवेच्या सीटवर बसली आहे आणि तिच्या शेजारची जागा रिकामी आहे. प्रत्येक वेळी ट्रेन पुढे सरकल्यावर, ती व्यक्ती एका सीटने पुढे जाऊन रिकाम्या जागेवर बसते, पण रिकाम्या जागांची संख्या एकच राहते. ज्याप्रमाणे व्यक्तीची बसण्याची जागा बदलते पण जागांची एकूण रचना तशीच राहते, त्याचप्रमाणे मेमरिस्टरमध्ये, केवळ ऑक्सिजन आयन आणि इलेक्ट्रॉनची मांडणी बदलते, तर एकूण रचना तशीच टिकून राहते, ज्यामुळे त्याला आपली पूर्वीची स्थिती 'आठवून' ठेवता येते.
शास्त्रज्ञांच्या असे लक्षात येत आहे की हे वैशिष्ट्य मानवी सिनॅप्सच्या (synapses) वैशिष्ट्यासारखेच आहे. सिनॅप्समध्ये, जेव्हा एकाच सिग्नलची पुनरावृत्ती होते, तेव्हा चेता प्रेषणाची (neural transmission) कार्यक्षमता बदलते; त्याचप्रमाणे, मेमरिस्टर्समध्ये, जेव्हा विद्युत प्रवाह वारंवार वाहतो, तेव्हा रोधाचे मूल्य बदलते. या समानतेमुळे, मानवी मेंदूची नक्कल करणाऱ्या न्यूरोमॉर्फिक कम्प्युटिंगचे (neuromorphic computing) मुख्य घटक म्हणून मेमरिस्टर्सवर संशोधन केले जात आहे. खरे तर, न्यूरॉन्स आणि सिनॅप्सच्या वर्तनाची नक्कल करण्यासाठी संशोधक मेमरिस्टर्सना CMOS (कॉम्प्लिमेंटरी मेटल ऑक्साइड सेमीकंडक्टर) सर्किट्ससोबत जोडून विविध प्रकारचे कृत्रिम बुद्धिमत्ता हार्डवेअर विकसित करत आहेत आणि यासंबंधीचे संशोधन सध्या सुरू आहे.
काही दशकांत, अगदी पेय विकणारी व्हेंडिंग मशीन्सदेखील मानवी मेंदूप्रमाणे कृत्रिम बुद्धिमत्तेने सुसज्ज असू शकतात. कल्पना करा की तुम्ही एका व्हेंडिंग मशीनसमोर उभे आहात आणि एक बटण दाबले, आणि ते मशीन तुमच्या बोटांचे ठसे किंवा इतर बायोमेट्रिक माहिती ओळखून म्हणते, “तुम्ही गेल्या उन्हाळ्यात कोणते पेय घेतले होते हे मला माहीत आहे.” तुम्ही कदाचित उत्तर द्याल, “मग मला गेल्या वेळेसारखेच पेय द्या.”