Wafer-scale integration of atomically thin metal oxide in memtransistor arrays for artificial neural networks

आधुनिक कंप्यूटर नंबरों की गणना करने में अविश्वसनीय रूप से तेज़ होते हैं, लेकिन वे उस तरह की सीखने और पैटर्न पहचानने की क्षमता में संघर्ष करते हैं जो मानव मस्तिष्क सहजता से कर लेता है। ऐसा इसलिए है क्योंकि पारंपरिक कंप्यूटर अपनी मेमोरी (जहाँ डेटा संग्रहीत किया जाता है) और अपने प्रोसेसर (जहाँ गणना होती है) को अलग रखते हैं। किसी समस्या को हल करने के लिए, मशीन को जानकारी को इन दोनों स्थानों के बीच लगातार इधर-उधर ले जाना पड़ता है, एक ऐसी प्रक्रिया जो भारी मात्रा में ऊर्जा की खपत करती है और सब कुछ धीमा कर देती है। वैज्ञानिक एक नए प्रकार का कंप्यूटर बनाने की कोशिश कर रहे हैं जो मस्तिष्क की वास्तुकला की नकल करता है, जहाँ मेमोरी और गणना एक ही स्थान पर होती है। मानव मस्तिष्क में, यह सिनैप्स (synapses) द्वारा किया जाता है, जो तंत्रिका कोशिकाओं के बीच के सूक्ष्म जोड़ होते हैं जो यादों को संग्रहीत करने के लिए समय के साथ मजबूत या कमजोर हो सकते हैं। इसे सिलिकॉन में पुन: उत्पन्न करने के लिए, शोधकर्ता कृत्रिम सिनैप्स विकसित कर रहे हैं—ऐसे इलेक्ट्रॉनिक उपकरण जो जैविक कनेक्शनों के सीखने के तरीके की नकल करने के लिए अपने विद्युत प्रतिरोध को बदल सकते हैं। चुनौती इन उपकरणों को बड़ी संख्या में, पूर्ण निरंतरता के साथ, और मानक कंप्यूटर चिप्स के लिए उपयोग की जाने वाली निर्माण लाइनों के अनुकूल पर्याप्त कम तापमान पर बनाने की रही है।

शोधकर्ताओं की एक टीम ने अब एक एकल सिलिकॉन वेफर पर इन कृत्रिम सिनैप्स के एक विशाल सरणी (array) को बनाकर इस विनिर्माण पहेली को सुलझाने की दिशा में एक महत्वपूर्ण कदम उठाया है। उन्होंने एक विशिष्ट सामग्री पर ध्यान केंद्रित किया: टिन ऑक्साइड की एक अत्यंत पतली फिल्म, जो केवल कुछ परमाणुओं जितनी मोटी है। धातु ऑक्साइड इस कार्य के लिए आशाजनक हैं क्योंकि वे सूचना संग्रहीत करने के लिए विद्युत आवेशों को रोक सकते हैं, लेकिन एक बड़े सतह क्षेत्र पर उन्हें समान रूप से बनाना कठिन रहा है। पिछली विधियों के परिणामस्वरूप अक्सर ऐसी फिल्में बनीं जिनमें छेद थे, मोटाई असमान थी, या अशुद्धियाँ थीं जिसके कारण इलेक्ट्रॉनिक उपकरण विफल हो जाते थे या अप्रत्याशित व्यवहार करते थे। शोधकर्ताओं को इस सामग्री को तेजी से और बिना किसी गंदगी के उगाने का एक तरीका चाहिए था, जिसमें उस अत्यधिक गर्मी का उपयोग न हो जो चिप पर पहले से बने नाजुक सर्किट को नुकसान पहुँचा सकती है।

इसे प्राप्त करने के लिए, टीम ने एक तकनीक विकसित की जिसे वे 'इलेक्ट्रोस्टैटिक-असिस्टेड लिक्विड मेटल प्रिंटिंग' कहते हैं। उन्होंने पिघले हुए टिन के एक कुंड से शुरुआत की, जो अपेक्षाकृत कम तापमान पर तरल अवस्था में रहता है। जैसे ही टिन हवा में रहता है, उसकी सतह पर टिन ऑक्साइड की एक प्राकृतिक, परमाणु स्तर की पतली त्वचा बन जाती है। शोधकर्ताओं ने इस तरल सतह को सावधानीपूर्वक पोंछकर पुराने, गंदे ऑक्साइड की परत को हटा दिया, जिससे एक ताज़ा, स्वच्छ त्वचा सामने आई। उन्होंने इस ताज़ा सतह को सावधानीपूर्वक एक दो-इंच के बड़े सिलिकॉन वेफर से छुआ। सामग्रियों के बीच विद्युत बलों के कारण, वह पतली ऑक्साइड की त्वचा तरल टिन से अलग होकर सिलिकॉन वेफर से चिपक गई, जिससे एक आदर्श, समान फिल्म पीछे रह गई। यह पूरी प्रक्रिया 225 डिग्री सेल्सियस के तापमान पर हुई, जो मानक चिप निर्माण के बैक-एंड चरणों के अनुकूल पर्याप्त रूप से ठंडा है। परिणाम स्वरूप, पूरे वेफर को कवर करने वाली टिन ऑक्साइड की एक निर्मल, निरंतर शीट प्राप्त हुई, जो झुर्रियों या अंतराल से मुक्त थी।

इस उच्च-गुणवत्ता वाली फिल्म के साथ, शोधकर्ताओं ने 1,024 व्यक्तिगत इलेक्ट्रॉनिक उपकरणों का एक ग्रिड बनाया, जो 32 x 32 के वर्ग में व्यवस्थित थे। प्रत्येक उपकरण एक 'मेमट्रांसिस्टर' (memtransistor) के रूप में कार्य करता है, जो एक ऐसा घटक है जो मेमोरी को स्टोर भी कर सकता है और सिग्नल को प्रोसेस भी कर सकता है। जब उन्होंने पूरे ग्रिड का परीक्षण किया, तो उन्होंने पाया कि 96.9% उपकरण पूरी तरह से काम कर रहे थे। यह सफलता की एक उल्लेखनीय दर है, जो वर्तमान मेमोरी प्रौद्योगिकियों के लिए आवश्यक मानकों से कहीं अधिक है। उपकरणों ने पूरे वेफर में सुसंगत व्यवहार दिखाया, जिसका अर्थ है कि एक उपकरण लगभग ठीक उसी तरह प्रदर्शन करता है जैसे उसका पड़ोसी। यह एकरूपता महत्वपूर्ण है क्योंकि यदि उपकरण बहुत अधिक भिन्न होते हैं, तो कंप्यूटर विश्वसनीय रूप से सीख या याद नहीं रख सकता। शोधकर्ताओं ने यह भी पाया कि उपकरण बहुत सहजता से प्रतिरोध के विभिन्न स्तरों के बीच स्विच कर सकते हैं, जिससे वे मूल्यों की एक विस्तृत श्रृंखला को संग्रहीत कर सकते हैं, ठीक वैसे ही जैसे वास्तविक मस्तिष्क में कनेक्शन की बदलती ताकत होती है।

इसके बाद, टीम ने इन उपकरणों को उन कार्यों को करने के लिए प्रोग्राम करके काम पर लगाया जिनमें सीखने की आवश्यकता होती है। सबसे पहले, उन्होंने इस सरणी का उपयोग एक 'कन्वोल्यूशनल न्यूरल नेटवर्क' के रूप में किया, जो इमेज प्रोसेसिंग के लिए उपयोग किया जाने वाला एक प्रकार का आर्टिफिशियल इंटेलिजेंस है। उन्होंने उपकरणों को प्रतिरोध के विशिष्ट पैटर्न के साथ प्रोग्राम किया ताकि वे फिल्टर के रूप में कार्य कर सकें जो किसी छवि में किनारों (edges) का पता लगा सकें, जैसे कि किसी इमारत या चेहरे की रूपरेखा। जब उन्होंने हार्डवेयर में एक छवि डाली, तो उपकरणों ने इसे समानांतर (parallel) में प्रोसेस किया, और आउटपुट लगभग वैसा ही था जैसा कि एक मानक कंप्यूटर सॉफ्टवेयर प्रोग्राम द्वारा बनाया जाता है। हार्डवेयर उच्च सटीकता के साथ ऊर्ध्वाधर रेखाओं, क्षैतिज रेखाओं और उभरे हुए विवरणों जैसे फीचर्स को निकालने में सक्षम था, जिससे सिद्ध हुआ कि भौतिक उपकरण पारंपरिक प्रोसेसर की आवश्यकता के बिना जटिल गणितीय संचालन को संभाल सकते हैं।

इसके बाद, शोधकर्ताओं ने सरणी की एक 'हॉपफील्ड नेटवर्क' (Hopfield network) के रूप में कार्य करने की क्षमता का परीक्षण किया, जो एक प्रकार का मेमोरी सिस्टम है जो शोर युक्त या अपूर्ण संस्करण दिए जाने पर भी एक पूर्ण छवि को याद कर सकता है। उन्होंने फैशन-MNIST डेटासेट का उपयोग करके नेटवर्क की मेमोरी में कई सरल छवियों, जैसे कि एक टी-शर्ट, को संग्रहीत किया। जब उन्होंने नेटवर्क को इन छवियों के विकृत संस्करण प्रस्तुत किए, जो रैंडम स्टैटिक (noise) से भरे थे, तो सिस्टम ने मूल, स्पष्ट चित्रों को सफलतापूर्वक पुनर्गठित किया। यहाँ तक कि जब शोर बहुत अधिक था, तब भी सिस्टम उच्च सटीकता के साथ छवि को पुनः प्राप्त करने में सक्षम था। जब उन्होंने अन्य प्रकार की मेमोरी तकनीक से बने समान सिस्टम के साथ इसके प्रदर्शन की तुलना की, तो टिन ऑक्साइड डिवाइस श्रेष्ठ निकले, जहाँ अन्य सिस्टम धुंधले हो गए या विफल हो गए, वहाँ भी इन्होंने स्पष्टता बनाए रखी। यह सुझाव देता है कि टिन ऑक्साइड उपकरणों के सूचना को संग्रहीत करने और पुनः प्राप्त करने का विशिष्ट तरीका असाधारण रूप से स्थिर और विश्वसनीय है।

इस परियोजना की सफलता एक सरल, कम-तापमान वाली विनिर्माण विधि और टिन ऑक्साइड सामग्री के अद्वितीय गुणों के संयोजन में निहित है। लिक्विड मेटल प्रिंटिंग तकनीक का उपयोग करके, शोधकर्ताओं ने उच्च ताप और जटिल रासायनिक प्रक्रियाओं से बचा, जो आमतौर पर इन उपकरणों के आकार और गुणवत्ता को सीमित करती हैं। परिणामी कृत्रिम सिनैप्स न केवल समान और विश्वसनीय हैं, बल्कि आर्टिफिशियल इंटेलिजेंस के लिए आवश्यक भारी कार्यों को करने में भी सक्षम हैं। यह कार्य प्रदर्शित करता है कि मौजूदा चिप कारखानों के अनुकूल सामग्रियों का उपयोग करके बड़े पैमाने पर, मस्तिष्क जैसी कंप्यूटिंग प्रणाली बनाना संभव है। हालांकि यह तकनीक अभी अनुसंधान के चरण में है, लेकिन इतने उच्च-गुणवत्ता वाले, बड़े कृत्रिम सिनैप्स सरणियों को बनाने की क्षमता ऊर्जा-कुशल, मस्तिष्क-प्रेरित कंप्यूटरों के सपने को वास्तविकता के काफी करीब ले आती है।