Synaptic Multi-Weight Wafer-Scale Domain Wall Magnetic Tunnel Junctions Driven by Spin Orbit Torque
यह अध्ययन स्पिन-ऑर्बिट टॉर्क-संचालित मैग्नेटिक टनल जंक्शनों का उपयोग करके मल्टी-वेट स्पिंट्रोनिक सिनैप्टिक उपकरणों को बनाने के लिए एक स्केलेबल, वेफर-लेवल दृष्टिकोण प्रदर्शित करता है जो डोमेन वॉल मैनिपुलेशन के माध्यम से आठ विशिष्ट प्रतिरोध अवस्थाओं तक प्राप्त करते हैं, जो डिवाइस परिवर्तनशीलता की चुनौतियों के बावजूद उच्च-सटीक न्यूरोमॉर्फिक सिस्टम की ओर एक मार्ग प्रदान करता 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 लेखक ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
आधुनिक कंप्यूटर चेहरे पहचानने या भाषाओं का अनुवाद करने जैसे कार्यों में अविश्वसनीय रूप से शक्तिशाली होते जा रहे हैं, लेकिन वे ऐसा भारी मात्रा में बिजली की खपत करके करते हैं। ऐसा इसलिए है क्योंकि पारंपरिक कंप्यूटर अपनी मेमोरी और अपने सोचने वाले हिस्सों को अलग-अलग स्थानों पर रखते हैं, जिससे डेटा को लगातार आगे-पीछे जाने के लिए मजबूर होना पड़ता है, जो ऊर्जा को बर्बाद करता है। इस समस्या को हल करने के लिए, वैज्ञानिक एक नए प्रकार का हार्डवेयर बना रहे हैं जो मानव मस्तिष्क की नकल करता है, जहाँ मेमोरी और गणना एक ही छोटे स्थान पर होती है। ये कृत्रिम मस्तिष्क कोशिकाएं, जिन्हें सिनैप्स (synapses) कहा जाता है, को कुशलतापूर्वक काम करने के लिए केवल एक साधारण ऑन या ऑफ स्विच के बजाय कई अलग-अलग मानों (values) को धारण करने में सक्षम होना चाहिए। वर्षों से, मैग्नेटिक रैंडम एक्सेस मेमोरी नामक एक आशाजनक प्रकार की मेमोरी इस काम के लिए बहुत सरल थी, जो आमतौर पर केवल दो अवस्थाओं तक सीमित रहती थी। हालाँकि, शोधकर्ताओं की एक टीम ने अब इन चुंबकीय उपकरणों को एक साथ कई मानों को धारण करने के लिए प्रेरित करने का एक तरीका खोज लिया है, जो बहुत अधिक ऊर्जा-कुशल कंप्यूटरों की ओर एक मार्ग खोलता है।
टेक्सास विश्वविद्यालय, ऑस्टिन और बेल्जियम के अनुसंधान केंद्र IMEC में काम करने वाले शोधकर्ताओं ने मैग्नेटिक टनल जंक्शन नामक एक विशिष्ट प्रकार के चुंबकीय मेमोरी डिवाइस पर ध्यान केंद्रित किया। एक सूक्ष्म सैंडविच की कल्पना करें जो एक पतले इंसुलेटर द्वारा अलग की गई चुंबकीय परतों से बना है। इस उपकरण के मानक संस्करण में, चुंबकीय परतें दो दिशाओं में से एक की ओर इशारा कर सकती हैं, जो शून्य या एक का प्रतिनिधित्व करती हैं। टीम यह देखना चाहती थी कि क्या वे इन उपकरणों को केवल दो मानों से अधिक धारण करने के लिए बना सकते हैं। ऐसा करने के लिए, उन्होंने एक विशाल सिलिकॉन वेफर पर इन उपकरणों का एक बड़ा बैच बनाया, जो एक डिनर प्लेट के आकार का है, जो औद्योगिक विनिर्माण के लिए मानक है। उन्होंने ऐसे उपकरण बनाए जो लंबे और संकीले थे, जो उनकी चौड़ाई की तुलना में लगभग पांच गुना लंबे थे, जबकि तुलना करने के लिए पूरी तरह से गोल, गोलाकार उपकरणों का एक नियंत्रण समूह भी रखा गया।
जब टीम ने इन लंबे, संकीले उपकरणों का परीक्षण किया, तो उन्हें एक अप्रत्याशित खोज हुई। एक चुंबकीय क्षेत्र लागू करके और उपकरण के माध्यम से विद्युत स्पंद (electrical pulses) भेजकर, वे चुंबकीय परतों को दो चरम सिरों के बजाय विभिन्न स्थिर स्थितियों में बैठने के लिए मजबूर कर सकते थे। अपने सर्वश्रेष्ठ प्रदर्शन करने वाले लंबे उपकरणों में, वे प्रतिरोध (resistance) को आठ अलग-अलग स्तरों तक ट्यून करने में सफल रहे। इसका मतलब है कि एक एकल उपकरण एक साथ तीन बिट जानकारी का प्रतिनिधित्व कर सकता है, न कि केवल एक का। हालाँकि, गोलाकार नियंत्रण उपकरण द्विआधारी (binary) ही रहे, जो केवल दो अवस्थाओं के बीच स्विच करते थे। इन अतिरिक्त स्तरों को अनलॉक करने की कुंजी उपकरण का आकार और इसके माध्यम से बहने वाला विद्युत प्रवाह था। लंबे आकार के कारण उपकरण में विद्युत क्षमता (electrical potential) भिन्न होती है, जिससे एक हल्का असंतुलन पैदा होता है जो चुंबकीय दीवारों को बीच में बनने और फंसने की अनुमति देता है, जिससे वे अतिरिक्त प्रतिरोध स्तर बनाते हैं।
यह समझने के लिए कि वास्तव में यह कैसे हुआ, टीम ने विस्तृत कंप्यूटर सिमुलेशन चलाया जिसने बिजली के प्रवाह और सूक्ष्म संरचनाओं के भीतर चुंबकीय क्षेत्रों के व्यवहार को मॉडल किया। इन सिमुलेशन ने पुष्टि की कि अतिरिक्त स्तर चुंबकीय डोमेन दीवारों (magnetic domain walls)—वह सीमाएँ जहाँ चुंबकीय दिशा बदलती है—के कारण थे, जो असमान विद्युत प्रवाह द्वारा एक जगह फंस गए थे। शोधकर्ताओं ने यह भी जांचा कि क्या पास की परतों से निकलने वाले बिखरे हुए चुंबकीय क्षेत्र इसका कारण थे, लेकिन उनके सिमुलेशन ने दिखाया कि वे क्षेत्र बहुत कमजोर और बहुत स्थानीयकृत थे कि मुख्य चालक बन सकें। इसके बजाय, साक्ष्य ने संकेत दिया कि उपकरण के लंबे आकार द्वारा निर्मित विशिष्ट विद्युत स्थितियाँ ही इस बहु-स्तरीय व्यवहार का प्राथमिक कारण थीं।
टीम ने एक वास्तविक दुनिया के परिदृश्य में इन नए बहु-स्तरीय उपकरणों की उपयोगिता का परीक्षण करने के लिए एक न्यूरल नेटवर्क का सिमुलेशन किया जिसे हस्तलिखित संख्याओं को पहचानने के लिए डिज़ाइन किया गया था, जो कृत्रिम बुद्धिमत्ता का एक मानक परीक्षण है। उन्होंने अपने वास्तविक उपकरणों से मापे गए प्रतिरोध स्तरों का उपयोग करके नेटवर्क को प्रोग्राम किया। जब उन्होंने यह माना कि चिप पर प्रत्येक एकल उपकरण पूरी तरह से काम करता है और सभी आठ स्तरों तक पहुँच सकता है, तो सिस्टम ने 96.1 प्रतिशत की सटीकता प्राप्त की, जो एक आदर्श डिजिटल कंप्यूटर के प्रदर्शन के बहुत करीब है। हालाँकि, जब उन्होंने व्यक्तिगत उपकरणों के बीच होने वाले प्राकृतिक अंतरों को शामिल किया जो विनिर्माण के दौरान होते हैं, तो सटीकता गिरकर 48.6 प्रतिशत हो गई। यह अंतर इस बात को उजागर करता है कि हालांकि यह तकनीक काम करती है, लेकिन इन्हें वास्तव में विश्वसनीय होने के लिए अधिक सुसंगत बनाने की आवश्यकता है।
यह कार्य यह प्रदर्शित करता है कि केवल अपने आकार और उन्हें संचालित करने के तरीके को बदलकर मानक चुंबकीय मेमोरी चिप्स को बहु-स्तरीय कृत्रिम सिनैप्स में बदलना संभव है। शोधकर्ताओं ने दिखाया कि इन उपकरणों को खींचकर, वे सामान्य बाइनरी सीमा को तोड़ सकते हैं और प्रतिरोध के एक स्पेक्ट्रम तक पहुँच सकते हैं। जबकि उपकरण एक-दूसरे से कुछ भिन्नता दिखाते हैं, एक चरण-दर-चरण प्रक्रिया का उपयोग करके उन्हें विशिष्ट अवस्थाओं में प्रोग्राम करने की क्षमता यह सुझाव देती है कि उन्हें जैविक मस्तिष्क की तरह प्रशिक्षित किया जा सकता है। ये निष्कर्ष स्केलेबल, ऊर्जा-कुशल न्यूरोमॉर्फिक सिस्टम बनाने के लिए एक स्पष्ट मार्ग प्रदान करते हैं जो एक दिन आज के कंप्यूटरों की भारी ऊर्जा लागत के बिना जटिल कृत्रिम बुद्धिमत्ता कार्यों को चला सकते हैं।
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।