Segmentation-Engineered Ge4Sb6Te7 Switch on SOI Platform for Multilevel Non-Volatile Photonic Neural Inference
यह शोध पत्र प्रदर्शित करता है कि नवनिर्मित चरण-परिवर्तन सामग्री (GST-467), जब एक सेगमेंटेशन-इंजीनियर्ड सिलिकॉन-ऑन-इन्सुलेटर फोटोनिक स्विच में एकीकृत की जाती है, तो मौजूदा सामग्रियों की तुलना में उत्कृष्ट ऊर्जा दक्षता, ऑप्टिकल कंट्रास्ट और वर्गीकरण सटीकता के साथ अत्यधिक कुशल, मल्टी-लेवल नॉन-वोलेटाइल फोटोनिक न्यूरल इन्फरेंस को सक्षम बनाती है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कंप्यूटर के मस्तिष्क की कल्पना एक हलचल भरे शहर के रूप में करें जहाँ डेटा यातायात (ट्रैफिक) है। दशकों से, यह शहर "वॉन न्यूमैन बॉटलनेक" (von Neumann bottleneck) नामक एक भयानक ट्रैफिक जाम में फंसा हुआ है। इस पुराने डिज़ाइन में, जहाँ डेटा संग्रहीत किया जाता है (मेमोरी) और जहाँ इसे प्रोसेस किया जाता है (मस्तिष्क), वे अलग-अलग इमारतों में होते हैं। काम पूरा करने के लिए, डेटा को लगातार उनके बीच आना-जाना पड़ता है, जिससे समय और ऊर्जा बर्बाद होती है, ठीक वैसे ही जैसे कारें जाम में खड़ी रहती हैं। वैज्ञानिक अब एक नए प्रकार का शहर बनाने की कोशिश कर रहे हैं जहाँ स्टोरेज और सोचने की प्रक्रिया एक ही स्थान पर होती है, जिसे "इन-मेमोरी कंप्यूटिंग" (in-memory computing) कहा जाता है।
इस नए शहर को तेज़ और ठंडा चलाने के लिए, शोधकर्ता बिजली के बजाय प्रकाश (light) की ओर मुड़ रहे हैं। प्रकाश बिना किसी देरी के नन्हे तारों से होकर गुज़र सकता है और इससे गर्मी भी कम पैदा होती है। लेकिन प्रकाश से भारी काम करवाने के लिए, हमें विशेष "ट्रैफिक लाइटों" की आवश्यकता है जो यह बदल सकें कि कितना प्रकाश गुजर रहा है, और उन्हें उस नई स्थिति में बने रहने के लिए निरंतर बिजली की आवश्यकता नहीं होनी चाहिए। यहीं पर "फेज़-चेंज मटेरियल्स" (phase-change materials) काम आते हैं। इन सामग्रियों को जादुई कांच के रूप में समझें जो तुरंत पारदर्शी (प्रकाश को गुजरने देने वाला) और गहरे (प्रकाश को रोकने वाला) होने के बीच स्विच कर सकते हैं, और एक बार स्विच होने के बाद, जब तक आप इसे बदलने के लिए न कहें, यह उसी स्थिति में रहता है। बड़ा सवाल यह है कि क्या हम एक ऐसा पदार्थ ढूँढ सकते हैं जो तेज़ी से स्विच करे, बहुत कम ऊर्जा का उपयोग करे, और जिसे केवल एक साधारण ऑन/ऑफ स्विच के बजाय दर्जनों अलग-अलग ग्रे शेड्स (धूसर रंगों) में ट्यून किया जा सके?
यह शोध पत्र इस काम के लिए एक नए दावेदार का परिचय देता है: एक सामग्री जिसे Ge4Sb6Te7 या संक्षेप में GST-467 कहा जाता है। शोधकर्ताओं ने केवल अनुमान नहीं लगाया; पहले उन्होंने प्रयोगशाला में सटीक रूप से मापा कि यह सामग्री प्रकाश के साथ कैसे प्रतिक्रिया करती है। फिर, उन्होंने इस सामग्री का उपयोग करने वाले सिलिकॉन चिप पर एक छोटा स्विच डिज़ाइन करने के लिए शक्तिशाली कंप्यूटर सिमुलेशन का उपयोग किया। उनके डिज़ाइन का गुप्त मंत्र "सेगमेंटेशन" (segmentation) है। सामग्री की एक लंबी पट्टी का उपयोग करने के बजाय, उन्होंने इसे छोटे अंतराल द्वारा अलग किए गए 11 छोटे, बारी-बारी से आने वाले खंडों में काट दिया।
उनके सिमुलेशन के परिणाम काफी उत्साहजनक हैं। उन्होंने पाया कि यह कटा हुआ डिज़ाइन एक अत्यंत कुशल डिमर स्विच (dimmer switch) की तरह काम करता है। एक मानक, बिना कटे हुए डिज़ाइन की तुलना में, उनके सेगमेंटेड स्विच ने एक प्रमुख प्रदर्शन स्कोर में सात गुना से अधिक सुधार किया। यह "ऑफ" होने पर प्रकाश को लगभग पूरी तरह से रोक सकता है (48.36 dB का कंट्रास्ट प्राप्त करते हुए), जबकि "ऑन" होने पर लगभग सारा प्रकाश गुजरने देता है (बहुत कम नुकसान के साथ)। चूंकि इस सामग्री को अंधेरे के कई स्तरों तक ट्यून किया जा सकता है, टीम का सुझाव है कि यह एकल स्विच केवल 0 या 1 के बजाय 48 अलग-अलग मानों, या "अवस्थाओं" (states) का प्रतिनिधित्व कर सकता है।
यह देखने के लिए कि क्या यह वास्तव में आर्टिफिशियल इंटेलिजेंस (AI) के लिए काम करेगा, टीम ने इन स्विचों का उपयोग न्यूरल नेटवर्क (एक प्रकार का कंप्यूटर मस्तिष्क) में "वेट्स" (महत्वपूर्ण सेटिंग्स) के रूप में करने का सिमुलेशन किया। उन्होंने दो प्रसिद्ध इमेज-रिकग्निशन चुनौतियों पर इसका परीक्षण किया: फैशन वस्तुओं की पहचान करना और हस्तलिखित अक्षरों को पहचानना। GST-467 स्विचों का उपयोग करने वाले नेटवर्क ने अन्य ज्ञात सामग्रियों का उपयोग करने वाले नेटवर्क्स की तुलना में बेहतर प्रदर्शन किया और उच्च सटीकता प्राप्त की। इसके अलावा, सिमुलेशन ने दिखाया कि लेज़र पल्स का उपयोग करके इन सामग्रियों को पारदर्शी से गहरा (या इसके विपरीत) बदलने के लिए अविश्वसनीय रूप से कम ऊर्जा—एक नैनोजूल से भी कम—की आवश्यकता होती है। यह सुझाव देता है कि यदि इन्हें बनाया गया, तो ये उपकरण अविश्वसनीय रूप से तेज़ और ऊर्जा-कुशल हो सकते हैं, जो संभावित रूप से अगली पीढ़ी के स्मार्ट कंप्यूटर बनाने में मदद कर सकते हैं जो गर्म नहीं होते या बैटरी खत्म नहीं करते। हालाँकि, यह ध्यान रखना महत्वपूर्ण है कि ये परिणाम वर्तमान में विस्तृत कंप्यूटर मॉडल और सामग्री के गुणों के प्रयोगशाला माप पर आधारित हैं, न कि अभी तक पूरी तरह से बने और वास्तविक दुनिया के अनुप्रयोगों को चलाने वाले चिप पर।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।