Precursor Ratio-Controlled Chloride Vacancies in Lead-Free KCuCl3-x Memristors for Forming-Free Gradual Resistive Switching and Neuromorphic Learning

एक ऐसे कंप्यूटर की कल्पना करें जो केवल चालू और बंद होने वाले कठोर स्विचों के माध्यम से नहीं, बल्कि मानव मस्तिष्क में पाए जाने वाले तरल और अनुकूलन योग्य कनेक्शनों की नकल करके सोचता है। यह न्यूरोमॉर्फिक कंप्यूटिंग का वादा है, एक ऐसा क्षेत्र जो ऐसे इलेक्ट्रॉनिक सिस्टम बनाने की कोशिश कर रहा है जो जैविक न्यूरॉन्स की तरह जानकारी को सीख सकें और संसाधित कर सकें। इस प्रयास के केंद्र में मेमरिस्टर (memristors) नामक छोटे उपकरण हैं, जो अपने पिछले विद्युत अवस्थाओं को याद रख सकते हैं और मस्तिष्क में सिनैप्स (synapses) के मजबूत या कमजोर होने की नकल करने के लिए अपने प्रतिरोध (resistance) को बदल सकते हैं। इन उपकरणों को अच्छी तरह से काम करने के लिए, उन्हें दो निश्चित स्तरों के बीच कूदने के बजाय, अपनी चालकता (conductivity) को सुचारू रूप से और सटीकता से समायोजित करने में सक्षम होना चाहिए। इसे प्राप्त करने के लिए, वैज्ञानिक अक्सर सामग्री की परमाणु संरचना के भीतर सूक्ष्म लुप्त हिस्सों पर निर्भर करते हैं, जिन्हें रिक्तियां (vacancies) कहा जाता है। ये खाली स्थान आयनों को विद्युत क्षेत्र के तहत हिलने और पुनर्गठित होने की अनुमति देते हैं, जिससे वे मार्ग बनते हैं जो उपकरण को अपनी अवस्था बदलने में सक्षम बनाते हैं। हालाँकि, इन लुप्त हिस्सों की सही मात्रा खोजना एक नाजुक संतुलन का काम है: बहुत कम होने पर, उपकरण कुशलतापूर्वक स्विच नहीं कर पाएगा; बहुत अधिक होने पर, व्यवहार अराजक और अविश्वसनीय हो जाएगा।

भारतीय प्रौद्योगिकी संस्थान खड़गपुर और राजा नरेंद्रलाल खान महिला कॉलेज के शोधकर्ताओं की एक टीम ने एक विशिष्ट प्रकार की सामग्री में इन लुप्त हिस्सों को नियंत्रित करने का एक नया तरीका विकसित किया है जो पर्यावरण के लिए सुरक्षित है। लेड (सीसा) का उपयोग करने के बजाय, जो जहरीला है और कई समान सामग्रियों में पाया जाता है, उन्होंने पोटेशियम, कॉपर और क्लोरीन से बने एक लेड-मुक्त यौगिक पर काम किया। इस सामग्री की पतली फिल्मों (thin films) को बनाने के लिए उपयोग किए जाने वाले नुस्खे को सावधानीपूर्वक समायोजित करके, वे उच्च सटीकता के साथ लुप्त क्लोरीन परमाणुओं की संख्या को ट्यून करने में सक्षम थे। इस नियंत्रण ने उन्हें एक ऐसा उपकरण बनाने की अनुमति दी जो बिना किसी कठोर प्रारंभिक "प्रशिक्षण" वोल्टेज के, सुचारू रूप से प्रतिरोध को बदल सकता है, जो इसी तरह की तकनीकों में एक सामान्य बाधा है। परिणाम स्वरूप एक ऐसा मेमरिस्टर प्राप्त हुआ जो न केवल विश्वसनीय रूप से स्विच करता है, बल्कि प्रभावी ढंग से सीखता भी है, जिसने कंप्यूटर सिमुलेशन में हस्तलिखित अंकों और फैशन वस्तुओं को पहचानने में उच्च सटीकता प्राप्त की।

शोधकर्ताओं ने इस सामग्री के पांच अलग-अलग संस्करण बनाने के लिए पोटेशियम क्लोराइड और कॉपर क्लोराइड को विभिन्न अनुपातों में मिलाकर शुरुआत की, जो एक पूर्ण संतुलन से लेकर एक ऐसी स्थिति तक विस्तृत थे जहाँ पोटेशियम काफी कम था। जैसे-जैसे उन्होंने इन शुरुआती सामग्रियों के अनुपात को बदला, परिणामी पतली फिल्मों की आंतरिक संरचना एक अनुमानित तरीके से बदल गई। शक्तिशाली एक्स-रे विश्लेषण का उपयोग करते हुए, उन्होंने देखा कि क्रिस्टल लैटिस (crystal lattice), जो परमाणुओं का दोहरा जाने वाला पैटर्न है, एक दिशा में थोड़ा फैल गया जबकि अन्य दिशाओं में सिकुड़ गया। इससे भी महत्वपूर्ण बात यह थी कि उन्होंने पाया कि लुप्त क्लोरीन परमाणु बेतरतीब ढंग से बिखरे हुए नहीं थे। इसके बजाय, वे प्राथमिकता से क्रिस्टल संरचना के विशिष्ट टर्मिनल क्लोराइड साइटों पर बने, जहाँ क्लोरीन परमाणु कम मजबूती से बंधे होते हैं। परमाणुओं के इस लक्षित निष्कासन ने एक नियंत्रित वातावरण बनाया जहाँ कॉपर परमाणु अपने विद्युत आवेश को बदल सकते थे, जिससे वे एक चुंबकीय हस्ताक्षर वाली अवस्था से ऐसी अवस्था में बदल गए जिसमें वह नहीं होता। इस बदलाव ने पुष्टि की कि लुप्त क्लोरीन परमाणु सक्रिय रूप रूप से सामग्री के इलेक्ट्रॉनिक परिदृश्य को बदल रहे थे, जिससे बिजली का प्रवाह आसान हो गया।

जैसे-जैसे इन लुप्त क्लोरीन परमाणुओं की संख्या बढ़ी, सामग्री की बिजली संचालित करने की क्षमता एक बहुत ही विशिष्ट तरीके से बदली। मध्यम मात्रा में लुप्त परमाणुओं वाली फिल्मों ने विद्युत स्पंदों (electrical pulses) के प्रति अपनी प्रतिक्रिया में उल्लेखनीय सुधार दिखाया। कम लुप्त परमाणुओं वाले शुरुआती संस्करणों में, उपकरण को काम शुरू करने के लिए एक उच्च प्रारंभिक वोल्टेज की आवश्यकता थी, जिसे इलेक्ट्रोफॉर्मिंग (electroforming) कहा जाता है, और इसका स्विचिंग अचानक होता था। इसके विपरीत, सावधानीपूर्वक ट्यून की गई सांद्रता वाले संस्करणों ने बिना किसी प्रारंभिक उच्च-वोल्टेज के स्विच किया, और प्रतिरोध में परिवर्तन धीरे-धीरे हुआ। यह क्रमिक परिवर्तन मस्तिष्क की नकल करने के लिए महत्वपूर्ण है, जहाँ सिनैप्स अचानक उछाल के बजाय छोटे, निरंतर चरणों में मजबूत या कमजोर होते हैं। शोधकर्ताओं ने पाया कि इष्टतम मात्रा में लुप्त परमाणुओं वाले उपकरण बिना विफल हुए 10,000 बार से अधिक बार स्विच कर सकते थे, जिससे उनके उच्च और निम्न प्रतिरोध अवस्थाओं के बीच एक स्पष्ट अंतर बना रहता है।

इन उपकरणों का असली परीक्षण तब हुआ जब शोधकर्ताओं ने एक सरल मस्तिष्क नेटवर्क का अनुकरण करने के लिए उनका उपयोग किया। उन्होंने अपने सर्वश्रेष्ठ प्रदर्शन करने वाले उपकरण के वास्तविक विद्युत व्यवहार को एक कंप्यूटर मॉडल में डाला जिसे छवियों को पहचानने के लिए डिज़ाइन किया गया था। हस्तलिखित नंबरों को पहचानने के लिए एक मानक डेटासेट से पूछे जाने पर, सिस्टम ने लगभग 99 प्रतिशत की सटीकता प्राप्त की। जब विभिन्न प्रकार के कपड़ों को दिखाने वाले एक अधिक जटिल सेट के लिए परीक्षण किया गया, तो सटीकता 91 प्रतिशत से ऊपर बनी रही। ये परिणाम उन उपकरणों की तुलना में काफी बेहतर थे जिनमें बहुत कम या बहुत अधिक लुप्त परमाणु थे। बहुत अधिक लुप्त परमाणुओं वाले उपकरणों ने तेजी से स्विच किया लेकिन चालकता के तीव्र संतृप्ति (saturation) और कम रैखिकता (linearity) का सामना किया, जिससे सीखने की प्रक्रिया भ्रमित और कम सटीक हो गई। इसने प्रदर्शित किया कि दोषों (defects) की सांद्रता में एक "स्वीट स्पॉट" होता है जहाँ सामग्री सीखने में सबसे प्रभावी होती है।

अध्ययन ने यह भी खुलासा किया कि यह संतुलन क्यों महत्वपूर्ण है। जब लुप्त परमाणुओं की सांद्रता बहुत अधिक थी, तो बिजली के मार्ग बहुत अधिक और अव्यवस्थित हो गए, जिससे स्विचिंग प्रक्रिया पर नियंत्रण खो गया। उपकरण संतृप्त (saturate) हो गया, जिसका अर्थ है कि वह बहुत जल्दी अपने अधिकतम या न्यूनतम प्रतिरोध तक पहुँच गया, जिससे सीखने के लिए आवश्यक सूक्ष्म समायोजन के लिए कोई जगह नहीं बची। इसके विपरीत, जब इन परमाणुओं की सांद्रता बहुत कम थी, तो आयनों की गति बहुत धीमी थी, जिससे स्विच करने के लिए अधिक ऊर्जा और समय की आवश्यकता थी। शोधकर्ताओं द्वारा खोजा गया इष्टतम संस्करण पर्याप्त गतिशील दोष प्रदान करता था ताकि तेज़, ऊर्जा-कुशल स्विचिंग संभव हो सके और साथ ही यह सुनिश्चित करने के लिए पर्याप्त व्यवस्था बनी रहे कि परिवर्तन सटीक और दोहराने योग्य हों। यह कार्य सामग्री के परमाणु-स्तर के विन्यास और जटिल कार्यों जैसे सीखने की क्षमता के बीच एक स्पष्ट संबंध स्थापित करता है, जो भविष्य के इलेक्ट्रॉनिक सिस्टम को डिजाइन करने के लिए एक ब्लूप्रिंट प्रदान करता है जो शक्तिशाली और पर्यावरण के अनुकूल दोनों हैं।