कंप्यूटर चिप्स अब भौतिक सीमाओं के करीब पहुँच चुके हैं जबकि AI की ऊर्जा मांग बढ़ती जा रही है; विशेषज्ञ चेतावनी देते हैं कि AI डेटा केंद्रों की ऊर्जा खपत दशक के अंत तक दोगुनी हो सकती है। पारंपरिक आर्किटेक्चर में स्मृति और प्रोसेसिंग अलग रहती हैं और डेटा का बार-बार आदान-प्रदान गति को घटाता और ऊर्जा लागत बढ़ाता है।
University of Missouri की भौतिकी प्रोफेसर Suchi Guha, जो Materials Science and Engineering Institute की कोर फैकल्टी भी हैं, बताती हैं कि दिमाग की सबसे बड़ी ताकत उसकी ऊर्जा दक्षता है; यह लगभग 20 watts शक्ति में जटिल काम करता है। उनकी टीम सिनैप्स-नुमा इलेक्ट्रॉनिक घटक विकसित कर रही है जो ऑर्गेनिक ट्रांजिस्टर का उपयोग करके स्मृति और प्रोसेसिंग को एक स्थान पर जोड़ते हैं, जिससे ऊर्जा की बचत सम्भव है।
शोधकर्ताओं ने कई ऑर्गेनिक सामग्रियों का परीक्षण किया और पाया कि जिन सामग्रियों की सतहें लगभग समान दिखती थीं, वे सिनैप्टिक ट्रांजिस्टर बनने पर अलग प्रदर्शन दिखातीं। निर्णायक कारक वह पतली सीमा निकली जहाँ अर्धचालक किसी अवरोधक परत से मिलता है। Guha के अनुसार प्रदर्शन इस बात पर भी निर्भर करता है कि सामग्री आसपास की चीज़ों के साथ कैसे संवाद करती है; छोटे संरचनात्मक अंतर बड़ा प्रभाव डाल सकते हैं।
यह कार्य यह स्पष्ट करता है कि मॉलिक्युलर डिजाइन और इंटरफ़ेस गुणवत्ता न्यूरोमॉर्फिक हार्डवेयर के लिए मार्गदर्शक सिद्धांत दे सकती है। ऐसे सिस्टम से दिमाग-समान AI मिल सकता है जो अधिक कुशलता से सीखता है, बहुत कम ऊर्जा खपत करता है और पैटर्न मान्यता तथा निर्णय-निर्माण जैसे कार्य अच्छी तरह कर सकता है। यह अध्ययन ACS Applied Electronic Materials में प्रकाशित हुआ है; सह-लेखक Mizzou और Hamad Bin Khalifa University के शोधकर्ता हैं। स्रोत: University of Missouri।
कठिन शब्द
- सिनैप्स-नुमा — तंत्रिका कनेक्शन जैसा संकेत बदलने वाला इलेक्ट्रॉनिक घटक
- ऑर्गेनिक — कार्बनिक आधार वाली सामग्री या रसायन
- ट्रांजिस्टर — इलेक्ट्रॉनिक प्रवाह को नियंत्रित करने वाला यंत्र
- अर्धचालक — बिजली की चालकता मध्यवर्ती रखने वाला पदार्थ
- अवरोधक परत — इलेक्ट्रॉनिक में बिजली न जाने देने वाली पतली परत
- न्यूरोमॉर्फिक हार्डवेयर — मस्तिष्क की तरह सूचना संसाधित करने वाला हार्डवेयर
युक्ति: जब आप किसी भी भाषा में कहानी पढ़ें या ऑडियो सुनें, तो लेख में हाइलाइट किए गए शब्दों पर होवर/फ़ोकस/टैप करें और तुरंत छोटी-सी परिभाषा देखें।
चर्चा के प्रश्न
- स्मृति और प्रोसेसिंग को एक स्थान पर जोड़ने से डेटा केंद्रों की ऊर्जा खपत कम करने में क्या चुनौतियाँ और फायदे हो सकते हैं? कारण बताइए।
- आप उदाहरण दें कि दिमाग-समान, कम ऊर्जा वाले AI का रोज़मर्रा की ज़िन्दगी या उद्योगों में किस प्रकार उपयोग हो सकता है।
- लेख में सामग्री और इंटरफ़ेस गुणवत्ता का महत्व बताया गया है; नए सामग्रियों के व्यवहार में छोटे संरचनात्मक अंतर क्यों महत्वपूर्ण हो सकते हैं, और इससे अनुसंधान या उत्पादन में क्या समस्याएँ आ सकती हैं?
