ఈ బ్లాగ్ పోస్ట్లో, మానవ సినాప్స్లను అనుకరించే ఎలక్ట్రానిక్ పరికరాలైన మెమ్రిస్టర్ల సూత్రాలు, లక్షణాలు మరియు కృత్రిమ మేధస్సు సాంకేతికతలో వాటి ప్రాముఖ్యతను మనం పరిశీలిద్దాం.
మీరు మొదటిసారి సబ్వేలో ప్రయాణించినప్పుడు, చక్రాల గడగడ శబ్దం అసాధారణంగా బిగ్గరగా అనిపిస్తుంది. అయితే, రైలు ఒకదాని తర్వాత మరొక స్టేషన్ను దాటుకుంటూ వెళ్లేకొద్దీ, ఒకానొక దశలో మనం ఆ శబ్దాన్ని దాదాపుగా పట్టించుకోవడం మానేస్తాము. ఎందుకంటే, ఒకే రకమైన ప్రేరణ పదేపదే ఎదురవడం వల్ల మన ఇంద్రియాలు మొద్దుబారిపోతాయి. దీనికి విరుద్ధంగా, ఒక యంత్రం యొక్క ఇంద్రియాలు అంత సులభంగా మొద్దుబారవు. ఉదాహరణకు, ఒక పానీయాల విక్రయ యంత్రాన్ని తీసుకుందాం. ఆ యంత్రం ఏ బటన్ నొక్కబడిందో కచ్చితంగా గుర్తించి, దానికి సంబంధించిన పానీయాన్ని అందిస్తుంది. ఈ ప్రక్రియ రోజంతా పునరావృతమైనప్పటికీ, ఆ యంత్రం మరుసటి రోజు కూడా ఎలాంటి సంకోచం లేకుండా అదే పనిని చేస్తుంది. చాలా యంత్రాలకు, ఇలాంటి పునరావృత పనులలో కూడా పనితీరు స్థిరంగా ఉంటుంది. అలాంటప్పుడు, మనుషులలాగే యంత్రాలకు కూడా వాటి ఇంద్రియాలు మొద్దుబారే లక్షణం ఉంటే ఎలా ఉంటుంది?
ఇంద్రియ మందకొడితనం సినాప్స్లతో దగ్గరి సంబంధం కలిగి ఉంటుంది. సినాప్స్లు అనేవి న్యూరాన్ల మధ్య ఉండే అనుసంధానాలు—మానవ మెదడును తయారు చేసే నాడీ కణాలు—మరియు ఇంద్రియ సమాచారం న్యూరాన్లు మరియు సినాప్స్ల గుండా ప్రయాణించేటప్పుడు విద్యుత్ రసాయన సంకేతాల రూపంలో ప్రసారం చేయబడుతుంది. ఒకే సంకేతం పదేపదే ప్రసారం చేయబడినప్పుడు, సినాప్స్ వద్ద నాడీ ప్రసార సామర్థ్యం తాత్కాలికంగా తగ్గుతుంది, దీని ఫలితంగా ఇంద్రియ మందకొడితనం అని పిలువబడే ఒక దృగ్విషయం ఏర్పడుతుంది. అయితే, కంప్యూటర్లలో సినాప్స్ల యొక్క ఈ లక్షణాలను అనుకరించడం సాధ్యమేనా?
సాంప్రదాయ కంప్యూటర్ల ప్రధాన భాగం లెక్కలేనన్ని ట్రాన్సిస్టర్లతో కూడి ఉంటుంది. వాస్తవానికి, ట్రాన్సిస్టర్లను ఉపయోగించి మానవ సినాప్స్లను అనుకరించడానికి గతంలో పరిశోధన జరిగింది. అయితే, మానవ మెదడులో 100 ట్రిలియన్లకు పైగా సినాప్స్లు ఉన్నాయని, మరియు వాటన్నిటినీ ట్రాన్సిస్టర్లతో అమలు చేయడంలో ఇంటిగ్రేషన్ సాంద్రత మరియు విద్యుత్ వినియోగం పరంగా గణనీయమైన పరిమితులు ఉన్నాయని మనకు తెలుసు. ట్రాన్సిస్టర్ ఆధారిత న్యూరల్ నెట్వర్క్ల పరిమాణం పెరిగేకొద్దీ, వాటికి అవసరమైన స్థలం మరియు విద్యుత్ వినియోగం విపరీతంగా పెరుగుతాయి. ఈ కారణంగా, పరిశోధకులు మెమ్రిస్టర్ అనే కొత్త ఎలక్ట్రానిక్ పరికరం వైపు తమ దృష్టిని మళ్లిస్తున్నారు, ఇది మానవ సినాప్స్ల లక్షణాలను మరింతగా పోలిన లక్షణాలను అమలు చేయగలదు.
"మెమ్రిస్టర్" అనే పదం "మెమరీ" మరియు "రెసిస్టర్" అనే పదాల కలయిక; ఇది గతంలో ప్రవహించిన కరెంట్ ప్రభావాన్ని నిలుపుకునే ఒక అతి చిన్న ఎలక్ట్రానిక్ పరికరాన్ని సూచిస్తుంది. సాధారణంగా ఒక రెసిస్టర్ కరెంట్ ప్రవాహం యొక్క పరిమాణాన్ని నిర్ధారిస్తుండగా, ఒక మెమ్రిస్టర్ యొక్క నిరోధక విలువ దాని గుండా ప్రవహించిన మొత్తం కరెంట్పై ఆధారపడి మారుతుంది. కరెంట్ సరఫరా నిలిపివేసిన తర్వాత కూడా ఇది తన చివరి నిరోధక స్థితిని నిలుపుకుంటుంది. ఈ లక్షణాలు ఒక ప్రధాన ప్రయోజనంగా పరిగణించబడతాయి, ఎందుకంటే ఇవి ప్రత్యేక మెమరీ పరికరం అవసరం లేకుండా సమాచారాన్ని నిల్వ చేయడానికి అనుమతిస్తాయి. సాంప్రదాయ ట్రాన్సిస్టర్లు కూడా సమాచారాన్ని నిల్వ చేయగలిగినప్పటికీ, వాటికి అదనపు సర్క్యూట్రీ అవసరం, ఇది పరికరం పరిమాణాన్ని పెంచి, విద్యుత్ వినియోగాన్ని అధికం చేస్తుంది. దీనికి విరుద్ధంగా, మెమ్రిస్టర్లు సరళమైన నిర్మాణాన్ని కలిగి ఉంటాయి, తక్కువ విద్యుత్ను వినియోగిస్తాయి మరియు అధిక ఇంటిగ్రేషన్కు బాగా సరిపోతాయి; ఫలితంగా, తదుపరి తరం మెమరీ మరియు న్యూరోమార్ఫిక్ కంప్యూటింగ్ రంగాలలో వీటిని ఒక కీలక సాంకేతికతగా పరిశోధిస్తున్నారు.
మెమ్రిస్టర్ భావనను మొట్టమొదట 1971లో ప్రొఫెసర్ లియోన్ ఓ. చువా ప్రతిపాదించినప్పటికీ, ఆ సమయంలో ట్రాన్సిస్టర్ సాంకేతికత వేగంగా అభివృద్ధి చెందుతున్నందున దీనికి పెద్దగా ప్రాధాన్యత లభించలేదు. అయితే, 2008లో హ్యూలెట్-ప్యాకర్డ్ పరిశోధకులు ఒక నిజమైన మెమ్రిస్టర్ను విజయవంతంగా అమలు చేసిన తర్వాత, సంబంధిత పరిశోధన గణనీయమైన ఊపందుకుంది, మరియు ఇప్పుడు ఇది తదుపరి తరం సెమీకండక్టర్లు మరియు ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ హార్డ్వేర్ రంగాలలో ప్రధాన సాంకేతికతలలో ఒకటిగా పరిగణించబడుతోంది.
ఒక మెమ్రిస్టర్ ప్రాథమికంగా ప్లాటినం ఎలక్ట్రోడ్ల మధ్య టైటానియం ఆక్సైడ్ (TiO₂) పొరను అమర్చి నిర్మించబడుతుంది. ఆక్సిజన్ పంపిణీని బట్టి టైటానియం డయాక్సైడ్ వేర్వేరు లక్షణాలతో రెండు ప్రాంతాలుగా విభజించబడుతుంది. ఒక ప్రాంతం టైటానియం డయాక్సైడ్ (TiO₂), ఇది ఆక్సిజన్తో పూర్తిగా సంతృప్తమై ఉంటుంది మరియు ఇక్కడ ఆక్సిజన్ కదలడం చాలా కష్టం; మరొకటి టైటానియం డయాక్సైడ్ (TiO₂-x), ఇక్కడ కొంత ఆక్సిజన్ లోపించి ఉంటుంది, దీనివల్ల ఆక్సిజన్ సాపేక్షంగా స్వేచ్ఛగా కదలగలుగుతుంది. ఆక్సిజన్ పాక్షికంగా క్షీణించిన ప్రాంతం గుండా తక్కువ వోల్టేజ్ల వద్ద కూడా కరెంట్ సులభంగా ప్రవహిస్తుంది కాబట్టి, ఈ ప్రాంతం యొక్క నిష్పత్తి పెరిగేకొద్దీ మొత్తం విద్యుత్ నిరోధకత తగ్గుతుంది. వోల్టేజ్ వర్తింపజేయడానికి టైటానియం డయాక్సైడ్ పొర పైన మరియు కింద ప్లాటినం ఎలక్ట్రోడ్లు ఉంచబడతాయి.
ఇప్పుడు, పై ఎలక్ట్రోడ్కు రుణాత్మక వోల్టేజ్ వర్తింపజేసిన సందర్భాన్ని పరిశీలిద్దాం. సజాతి ఆవేశాలు ఒకదానికొకటి వికర్షించుకుంటాయి కాబట్టి, ఇంటర్ఫేస్ సమీపంలోని ఆక్సిజన్ అయాన్లు వ్యతిరేక ప్రాంతం వైపు కదులుతాయి. ఫలితంగా, ఇంతకుముందు ఆక్సిజన్తో నిండి ఉన్న ప్రాంతంలోని కొంత భాగం, ఆక్సిజన్ బయటకు వెళ్ళిపోవడం వల్ల విద్యుత్ సులభంగా ప్రవహించే ప్రాంతంగా మారుతుంది, మరియు విద్యుత్ సులభంగా ప్రవహించే ప్రాంతం క్రమంగా విస్తరిస్తుంది. దీనికి విరుద్ధంగా, కింది ఎలక్ట్రోడ్కు రుణాత్మక వోల్టేజ్ వర్తింపజేస్తే, ఆక్సిజన్ అయాన్లు వాటి అసలు దిశలో వెనక్కి కదులుతాయి, దీనివల్ల అధిక విద్యుత్ వాహకత ఉన్న ప్రాంతం సంకోచిస్తుంది, అదే సమయంలో తగినంత ఆక్సిజన్ ఉన్న ప్రాంతం మళ్ళీ విస్తరిస్తుంది. వోల్టేజ్ వర్తింపజేసినంత కాలం ఈ మార్పులు కొనసాగుతాయి, ఇది మెమ్రిస్టర్ యొక్క మొదటి లక్షణాన్ని ప్రదర్శిస్తుంది: దాని నిరోధక విలువ ప్రవహించే విద్యుత్ పరిమాణంపై ఆధారపడి మారుతుంది.
అయితే పవర్ ఆఫ్ చేసిన తర్వాత కూడా రెసిస్టెన్స్ విలువ ఎందుకు మారకుండా ఉంటుంది? ట్రాన్సిస్టర్లు కూడా వోల్టేజ్ను బట్టి తమ స్థితిని మార్చుకుంటాయి, కానీ పవర్ కట్ అయిన తర్వాత అవి సాధారణంగా ఆ స్థితిని నిలుపుకోలేవు. దీనికి విరుద్ధంగా, ఒక మెమ్రిస్టర్లో టైటానియం ఆక్సైడ్ లోపల ఉన్న అణువుల అమరిక స్వయంగా మారుతుంది కాబట్టి, పవర్ కట్ చేసిన తర్వాత కూడా దాని తుది స్థితి అలాగే నిలుస్తుంది.
ఆక్సిజన్ పాక్షికంగా లోపించిన ప్రాంతాలలో, రెండు రకాల టైటానియం అయాన్లు (Ti³⁺, Ti⁴⁺) ఉంటాయి. ఆక్సిజన్ అయాన్లు కదిలినప్పుడు, ఆవేశ సమతుల్యతను కాపాడుకోవడానికి ఎలక్ట్రాన్లు టైటానియం అయాన్ల మధ్య మారతాయి, మరియు ఈ ప్రక్రియలో, కొన్ని Ti³⁺ అయాన్లు Ti⁴⁺ అయాన్లుగా మార్చబడతాయి. ఎక్కువ ధనాత్మక ఆవేశాన్ని కలిగి ఉండే Ti⁴⁺ అయాన్లు, రుణాత్మక ఆవేశం గల ఆక్సిజన్ అయాన్లను మరింత బలంగా ఆకర్షిస్తాయి కాబట్టి, ఈ ఆవేశ బదిలీ సహజంగా జరుగుతుంది. చివరికి, వోల్టేజ్ను తొలగించిన తర్వాత కూడా, పరమాణువుల ఈ కొత్త అమరిక మారకుండా ఉంటుంది, కాబట్టి నిరోధకత కూడా దాని తుది స్థితిని కొనసాగిస్తుంది.
దీన్ని సరళంగా చెప్పాలంటే, ఇది ఒక వ్యక్తి సబ్వే సీటులో కూర్చుని ఉండగా, అతని పక్కన ఉన్న సీటు ఖాళీగా ఉన్న పరిస్థితిని పోలి ఉంటుంది. రైలు కదిలిన ప్రతిసారీ, ఆ వ్యక్తి ఖాళీ సీటులోకి ఒక సీటు పక్కకు జరుగుతాడు, కానీ ఖాళీ సీట్ల సంఖ్య ఒకటిగానే ఉంటుంది. ఎలాగైతే వ్యక్తి యొక్క స్థానం మారినప్పటికీ సీట్ల మొత్తం నిర్మాణం మారకుండా ఉంటుందో, అలాగే ఒక మెమ్రిస్టర్లో, ఆక్సిజన్ అయాన్లు మరియు ఎలక్ట్రాన్ల అమరిక మాత్రమే మారుతుంది, అయితే మొత్తం నిర్మాణం అలాగే ఉంటుంది, ఇది దాని మునుపటి స్థితిని "గుర్తుంచుకోవడానికి" వీలు కల్పిస్తుంది.
ఈ లక్షణం మానవ సినాప్స్ల లక్షణాన్ని చాలా పోలి ఉందని శాస్త్రవేత్తలు గమనిస్తున్నారు. సినాప్స్లలో, ఒకే సిగ్నల్ పదేపదే వచ్చినప్పుడు నాడీ ప్రసార సామర్థ్యం మారుతుంది; అదేవిధంగా, మెమ్రిస్టర్లలో, కరెంట్ పదేపదే ప్రవహించినప్పుడు నిరోధక విలువ మారుతుంది. ఈ సారూప్యతల కారణంగా, మానవ మెదడును అనుకరించే న్యూరోమార్ఫిక్ కంప్యూటింగ్లో మెమ్రిస్టర్లను కీలక భాగాలుగా పరిశోధిస్తున్నారు. వాస్తవానికి, పరిశోధకులు న్యూరాన్లు మరియు సినాప్స్ల ప్రవర్తనను అనుకరించడానికి మెమ్రిస్టర్లను CMOS (కాంప్లిమెంటరీ మెటల్ ఆక్సైడ్ సెమీకండక్టర్) సర్క్యూట్లతో కలిపి వివిధ రకాల ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ హార్డ్వేర్ను అభివృద్ధి చేస్తున్నారు మరియు దీనికి సంబంధించిన పరిశోధన ప్రస్తుతం కొనసాగుతోంది.
రాబోయే కొన్ని దశాబ్దాలలో, పానీయాల వెండింగ్ మెషీన్లకు సైతం మానవ మెదడును పోలిన కృత్రిమ మేధను అమర్చవచ్చు. ఒక వెండింగ్ మెషీన్ ముందు నిలబడి ఒక బటన్ నొక్కగానే, ఆ మెషీన్ మీ వేలిముద్రను లేదా ఇతర బయోమెట్రిక్ సమాచారాన్ని గుర్తించి, “గత వేసవిలో మీరు ఏ పానీయం తీసుకున్నారో నాకు తెలుసు” అని చెప్పడాన్ని ఊహించుకోండి. దానికి మీరు, “అయితే గతసారి ఇచ్చినదే ఇవ్వండి” అని బదులివ్వవచ్చు.
