இந்த வலைப்பதிவில், மனித நரம்பிணைப்புகளைப் பிரதிபலிக்கும் மின்னணு சாதனங்களான மெம்ரிஸ்டர்களின் கோட்பாடுகள் மற்றும் பண்புகளையும், செயற்கை நுண்ணறிவுத் தொழில்நுட்பத்தில் அவற்றின் முக்கியத்துவத்தையும் ஆராய்வோம்.
நீங்கள் முதன்முதலில் சுரங்க ரயிலில் பயணம் செய்யும்போது, சக்கரங்களின் சலசலப்புச் சத்தம் வழக்கத்திற்கு மாறாக உரத்ததாகத் தோன்றும். இருப்பினும், ரயில் ஒன்றன்பின் ஒன்றாக நிலையங்களைக் கடந்து செல்லும்போது, ஒரு கட்டத்தில் அந்தச் சத்தத்தை நாம் பெரிதாகக் கவனிப்பதில்லை. இதற்குக் காரணம், ஒரே தூண்டுதல் மீண்டும் மீண்டும் வருவதால் நமது புலன்கள் உணர்வற்றதாகிவிடுகின்றன. இதற்கு மாறாக, ஒரு இயந்திரத்தின் புலன்கள் எளிதில் உணர்வற்றதாகிவிடுவதில்லை. குளிர்பானம் வழங்கும் இயந்திரத்தை உதாரணமாக எடுத்துக்கொள்வோம். எந்தப் பொத்தான் அழுத்தப்பட்டது என்பதை அந்த இயந்திரம் துல்லியமாகக் கண்டறிந்து, அதற்கேற்ற குளிர்பானத்தை வழங்குகிறது. இந்தச் செயல்முறை நாள் முழுவதும் மீண்டும் மீண்டும் செய்யப்பட்டாலும், அடுத்த நாளும் அந்த இயந்திரம் தயக்கமின்றி அதே செயலைச் செய்கிறது. பெரும்பாலான இயந்திரங்களுக்கு, இதுபோன்ற திரும்பத் திரும்பச் செய்யப்படும் பணிகளின்போதும் செயல்திறன் சீராகவே இருக்கிறது. அப்படியானால், மனிதர்களைப் போலவே இயந்திரங்களுக்கும் புலன்கள் மழுங்கும் தன்மை இருந்தால் என்னவாகும்?
புலன் மந்தம் என்பது நரம்பிணைப்புகளுடன் நெருங்கிய தொடர்புடையது. நரம்பிணைப்புகள் என்பவை மனித மூளையை உருவாக்கும் நரம்பு செல்களான நியூரான்களுக்கு இடையேயான இணைப்புகளாகும். புலன்சார் தகவல்கள், நியூரான்கள் மற்றும் நரம்பிணைப்புகள் வழியாகச் செல்லும்போது மின்வேதியியல் சமிக்ஞைகளின் வடிவில் கடத்தப்படுகின்றன. ஒரே சமிக்ஞை மீண்டும் மீண்டும் கடத்தப்படும்போது, நரம்பிணைப்புப் பகுதியில் நரம்புக் கடத்தலின் செயல்திறன் தற்காலிகமாகக் குறைகிறது. இதன் விளைவாக, புலன் மந்தம் எனப்படும் ஒரு நிகழ்வு ஏற்படுகிறது. எனவே, நரம்பிணைப்புகளின் இந்தப் பண்புகளைக் கணினிகளில் பின்பற்ற முடியுமா?
வழக்கமான கணினிகளின் மையப்பகுதி எண்ணற்ற டிரான்சிஸ்டர்களைக் கொண்டுள்ளது. உண்மையில், டிரான்சிஸ்டர்களைப் பயன்படுத்தி மனித நரம்பிணைப்புகளைப் போலச் செயல்பட வைப்பது குறித்து முன்னர் ஆய்வுகள் மேற்கொள்ளப்பட்டன. இருப்பினும், மனித மூளையில் 100 டிரில்லியன் நரம்பிணைப்புகளுக்கு மேல் உள்ளன என்பதும், அவை அனைத்தையும் டிரான்சிஸ்டர்களைக் கொண்டு செயல்படுத்துவது ஒருங்கிணைப்பு அடர்த்தி மற்றும் மின் நுகர்வு ஆகியவற்றில் குறிப்பிடத்தக்க வரம்புகளை எதிர்கொள்கிறது என்பதும் அறியப்படுகிறது. டிரான்சிஸ்டர் அடிப்படையிலான நரம்பியல் வலைப்பின்னல்களின் அளவு அதிகரிக்கும்போது, அவற்றின் இடத் தேவைகளும் மின் நுகர்வும் வியத்தகு முறையில் அதிகரிக்கின்றன. இந்தக் காரணத்திற்காக, ஆராய்ச்சியாளர்கள் மெம்ரிஸ்டர் எனப்படும் ஒரு புதிய மின்னணு சாதனத்தின் மீது தங்கள் கவனத்தைத் திருப்புகின்றனர்; இது மனித நரம்பிணைப்புகளின் பண்புகளை மிகவும் ஒத்த பண்புகளைச் செயல்படுத்தக்கூடியது.
"மெம்ரிஸ்டர்" என்ற சொல் "மெமரி" மற்றும் "ரெசிஸ்டர்" ஆகிய சொற்களின் இணைப்பாகும்; இது கடந்த கால மின்னோட்டத்தின் தாக்கத்தைத் தக்கவைத்துக் கொள்ளும் ஒரு மிகச்சிறிய மின்னணு சாதனத்தைக் குறிக்கிறது. பொதுவாக ஒரு ரெசிஸ்டர் மின்னோட்டத்தின் அளவைத் தீர்மானிக்கும் அதே வேளையில், ஒரு மெம்ரிஸ்டரின் மின்தடை மதிப்பு, அதன் வழியாகப் பாய்ந்த மொத்த மின்னோட்டத்தின் அளவைப் பொறுத்து மாறுகிறது. மேலும், மின்னோட்ட விநியோகம் நிறுத்தப்பட்ட பிறகும் கூட, அது தனது கடைசி மின்தடை நிலையைத் தக்கவைத்துக் கொள்கிறது. இந்த குணாதிசயங்கள் ஒரு பெரிய நன்மையாகக் கருதப்படுகின்றன, ஏனெனில் அவை ஒரு தனி நினைவகச் சாதனம் தேவையின்றி தகவல்களைச் சேமிக்க அனுமதிக்கின்றன. வழக்கமான டிரான்சிஸ்டர்களாலும் தகவல்களைச் சேமிக்க முடியும் என்றாலும், அவற்றுக்குக் கூடுதல் மின்சுற்றுகள் தேவைப்படுகின்றன, இது சாதனத்தின் அளவை அதிகரித்து, மின் நுகர்வையும் உயர்த்துகிறது. இதற்கு மாறாக, மெம்ரிஸ்டர்கள் ஒரு எளிய கட்டமைப்பைக் கொண்டுள்ளன, குறைந்த மின்சாரத்தை நுகர்கின்றன, மேலும் உயர் ஒருங்கிணைப்புக்கு மிகவும் பொருத்தமானவை; இதன் விளைவாக, அவை அடுத்த தலைமுறை நினைவகம் மற்றும் நியூரோமார்பிக் கணினி ஆகிய துறைகளில் ஒரு முக்கிய தொழில்நுட்பமாக ஆராயப்பட்டு வருகின்றன.
மெம்ரிஸ்டர் என்ற கருத்தாக்கம் 1971-ல் பேராசிரியர் லியோன் ஓ. சுவா அவர்களால் முதன்முதலில் முன்மொழியப்பட்டபோதிலும், டிரான்சிஸ்டர் தொழில்நுட்பம் வேகமாக வளர்ந்து வந்ததால் அக்காலத்தில் அது அதிக கவனத்தைப் பெறவில்லை. இருப்பினும், 2008-ல் ஹெவ்லெட்-பேக்கர்ட் நிறுவனத்தின் ஆராய்ச்சியாளர்கள் ஒரு உண்மையான மெம்ரிஸ்டரை வெற்றிகரமாகச் செயல்படுத்திய பிறகு, அது தொடர்பான ஆராய்ச்சி குறிப்பிடத்தக்க வேகத்தைப் பெற்றது. தற்போது இது, அடுத்த தலைமுறை குறைக்கடத்திகள் மற்றும் செயற்கை நுண்ணறிவு வன்பொருள் ஆகிய துறைகளில் உள்ள முக்கிய தொழில்நுட்பங்களில் ஒன்றாகக் கருதப்படுகிறது.
ஒரு மெம்ரிஸ்டர் என்பது அடிப்படையில் பிளாட்டினம் மின்முனைகளுக்கு இடையில் டைட்டானியம் ஆக்சைடு (TiO₂) அடுக்கப்பட்டிருக்கும் கட்டமைப்பைக் கொண்டது. ஆக்ஸிஜனின் பரவலைப் பொறுத்து, டைட்டானியம் ஆக்சைடு வெவ்வேறு பண்புகளைக் கொண்ட இரண்டு பகுதிகளாகப் பிரிக்கப்பட்டுள்ளது. ஒரு பகுதி டைட்டானியம் ஆக்சைடு (TiO₂) ஆகும், இது ஆக்ஸிஜனால் முழுமையாக நிறைவுற்றது மற்றும் இங்கு ஆக்ஸிஜன் அரிதாகவே நகர்கிறது; மற்றொன்று டைட்டானியம் ஆக்சைடு (TiO₂-x) ஆகும், இதில் சிறிதளவு ஆக்ஸிஜன் இல்லை, இது ஆக்ஸிஜனை ஒப்பீட்டளவில் சுதந்திரமாக நகர அனுமதிக்கிறது. குறைந்த மின்னழுத்தங்களில்கூட, ஆக்ஸிஜன் பகுதியளவு குறைந்திருக்கும் பகுதி வழியாக மின்னோட்டம் எளிதாகப் பாய்வதால், இந்தப் பகுதியின் விகிதம் அதிகரிக்கும்போது ஒட்டுமொத்த மின்தடை குறைகிறது. மின்னழுத்தத்தைப் பயன்படுத்துவதற்காக, டைட்டானியம் ஆக்சைடு அடுக்குக்கு மேலும் கீழும் பிளாட்டினம் மின்முனைகள் வைக்கப்படுகின்றன.
இப்போது, மேல் மின்முனையில் ஒரு எதிர்மறை மின்னழுத்தம் செலுத்தப்படும் நிலையைக் கருத்தில் கொள்வோம். ஒத்த மின்னூட்டங்கள் ஒன்றை ஒன்று விலக்குவதால், இடைமுகத்திற்கு அருகிலுள்ள ஆக்சிஜன் அயனிகள் எதிர் பகுதியை நோக்கி நகர்கின்றன. இதன் விளைவாக, ஆக்சிஜன் வெளியேறுவதால், முன்பு ஆக்சிஜனால் செறிவூட்டப்பட்டிருந்த பகுதியின் ஒரு பகுதி, மின்சாரம் எளிதாகப் பாயும் பகுதியாக மாறுகிறது, மேலும் மின்னோட்டம் எளிதாகப் பாயும் பகுதி படிப்படியாக விரிவடைகிறது. இதற்கு நேர்மாறாக, கீழ் மின்முனையில் ஒரு எதிர்மறை மின்னழுத்தம் செலுத்தப்பட்டால், ஆக்சிஜன் அயனிகள் அவற்றின் அசல் திசையில் மீண்டும் நகர்கின்றன. இதனால், அதிக மின் கடத்துத்திறன் கொண்ட பகுதி சுருங்குகிறது, அதே நேரத்தில் போதுமான ஆக்சிஜன் உள்ள பகுதி மீண்டும் விரிவடைகிறது. மின்னழுத்தம் செலுத்தப்படும் வரை இந்த மாற்றங்கள் தொடர்கின்றன. இது ஒரு மெம்ரிஸ்டரின் முதல் பண்பை நிரூபிக்கிறது: அதன் மின்தடை மதிப்பு, பாயும் மின்னோட்டத்தின் அளவைப் பொறுத்து மாறுகிறது.
அப்படியானால், மின்சாரம் அணைக்கப்பட்ட பிறகும் மின்தடை மதிப்பு ஏன் மாறாமல் இருக்கிறது? டிரான்சிஸ்டர்களும் மின்னழுத்தத்தைப் பொறுத்துத் தங்கள் நிலையை மாற்றிக்கொள்கின்றன, ஆனால் மின்சாரம் துண்டிக்கப்பட்டவுடன் அவற்றால் பொதுவாக அந்த நிலையைத் தக்கவைத்துக்கொள்ள முடியாது. இதற்கு மாறாக, ஒரு மெம்ரிஸ்டரில் டைட்டானியம் ஆக்சைடுக்குள் இருக்கும் அணுக்களின் அமைப்பே மாறுவதால், மின்சாரம் துண்டிக்கப்பட்ட பிறகும் அதன் இறுதி நிலை தக்கவைக்கப்படுகிறது.
ஆக்சிஜன் பகுதி அளவு பற்றாக்குறையாக உள்ள பகுதிகளில், இரண்டு வகையான டைட்டேனியம் அயனிகள் (Ti³⁺, Ti⁴⁺) காணப்படுகின்றன. ஆக்சிஜன் அயனிகள் நகரும்போது, மின்னூட்டச் சமநிலையைப் பராமரிப்பதற்காக டைட்டேனியம் அயனிகளுக்கு இடையில் எலக்ட்ரான்கள் நகர்கின்றன, மேலும் இந்தச் செயல்பாட்டில், சில Ti³⁺ அயனிகள் Ti⁴⁺ அயனிகளாக மாற்றப்படுகின்றன. அதிக நேர்மின்னூட்டத்தைக் கொண்டுள்ள Ti⁴⁺ அயனிகள், எதிர்மின்னூட்டம் கொண்ட ஆக்சிஜன் அயனிகளை மிகவும் வலுவாக ஈர்ப்பதால், இந்த மின்னூட்டப் பரிமாற்றம் இயற்கையாகவே நிகழ்கிறது. இறுதியில், மின்னழுத்தம் அகற்றப்பட்ட பிறகும், அணுக்களின் புதிய அமைப்பு மாறாமல் இருப்பதால், மின்தடையும் அதன் இறுதி நிலையைத் தக்க வைத்துக் கொள்கிறது.
இதை எளிமையாகச் சொல்வதானால், சுரங்க ரயில் இருக்கையில் ஒருவர் அமர்ந்திருக்க, அவருக்கு அடுத்த இருக்கை காலியாக இருப்பது போன்ற ஒரு சூழ்நிலையை இது ஒத்திருக்கிறது. ரயில் நகரும் ஒவ்வொரு முறையும், அந்த நபர் ஒரு இருக்கை நகர்ந்து காலி இருக்கைக்குச் செல்கிறார், ஆனால் காலி இருக்கைகளின் எண்ணிக்கை ஒன்றாகவே இருக்கிறது. அதுபோலவே, அந்த நபரின் இருக்கை நிலை மாறினாலும் இருக்கைகளின் ஒட்டுமொத்த அமைப்பு அப்படியே இருப்பது போல, ஒரு மெம்ரிஸ்டரில், ஆக்சிஜன் அயனிகள் மற்றும் எலக்ட்ரான்களின் வரிசை மட்டுமே மாறுகிறது, அதன் ஒட்டுமொத்த அமைப்பு அப்படியே பாதுகாக்கப்படுகிறது. இது, அது தனது முந்தைய நிலையை "நினைவில்" கொள்ள அனுமதிக்கிறது.
இந்தப் பண்பு மனித நரம்பிணைப்புகளின் பண்பை மிகவும் ஒத்திருப்பதாக விஞ்ஞானிகள் குறிப்பிடுகின்றனர். நரம்பிணைப்புகளில், ஒரே சமிக்ஞை மீண்டும் மீண்டும் அனுப்பப்படும்போது நரம்புக் கடத்தலின் செயல்திறன் மாறுகிறது; அதேபோல, மெம்ரிஸ்டர்களில், மின்னோட்டம் மீண்டும் மீண்டும் பாயும்போது மின்தடை மதிப்பு மாறுகிறது. இந்த ஒற்றுமைகளின் காரணமாக, மனித மூளையைப் பிரதிபலிக்கும் நியூரோமார்பிக் கணினியின் முக்கியக் கூறுகளாக மெம்ரிஸ்டர்கள் ஆராயப்பட்டு வருகின்றன. உண்மையில், நியூரான்கள் மற்றும் நரம்பிணைப்புகளின் நடத்தையைப் பிரதிபலிப்பதற்காக, மெம்ரிஸ்டர்களை CMOS (காம்ப்ளிமென்டரி மெட்டல் ஆக்சைடு செமிகண்டக்டர்) சுற்றுகளுடன் இணைத்து ஆராய்ச்சியாளர்கள் பல்வேறு வகையான செயற்கை நுண்ணறிவு வன்பொருட்களை உருவாக்கி வருகின்றனர், மேலும் இது தொடர்பான ஆராய்ச்சி தற்போது நடைபெற்று வருகிறது.
இன்னும் சில பத்தாண்டுகளில், குளிர்பான விற்பனை இயந்திரங்களில் கூட மனித மூளையை ஒத்த செயற்கை நுண்ணறிவு பொருத்தப்படலாம். ஒரு விற்பனை இயந்திரத்தின் முன் நின்று ஒரு பொத்தானை அழுத்துவதை கற்பனை செய்து பாருங்கள்; அந்த இயந்திரம் உங்கள் கைரேகை அல்லது பிற உயிரியல் தகவல்களை அடையாளம் கண்டு, “கடந்த கோடையில் நீங்கள் என்ன பானம் அருந்தினீர்கள் என்று எனக்குத் தெரியும்” என்று கூறுவதை. அதற்கு நீங்கள், “அப்படியானால், கடந்த முறை கொடுத்ததையே கொடுங்கள்” என்று பதிலளிக்கலாம்.
