شاهین آقامعلی
بیش از پنج دهه است که دانشمندان به دنبال جایگزینی برای سیلیکون بهعنوان پایه اصلی ساخت ادوات الکترونیکی به خصوص با روی کار آمدن هوش مصنوعی هستند. الکترونیک مولکولی از همان ابتدا ایدهای جذاب به نظر میرسید، اما در عمل با چالشهای پیچیدهای روبهرو شد. در دنیای واقعی، مولکولها مانند اجزای ساده و مستقل رفتار نمیکنند؛ بلکه تعاملات شدید بین الکترونها، جابهجایی یونها، تغییرات رابطها و حتی اختلافهای بسیار کوچک در ساختار مولکولی میتوانند رفتارهای غیرخطی و پیشبینیناپذیر ایجاد کنند. همین مسئله باعث شد کنترل و پیشبینی عملکرد این سیستمها برای سالها دور از دسترس باقی بماند.
در سوی دیگر، محاسبات نورومورفیک (Neuromorphic Computing) با الهام از مغز انسان شکل گرفت. هدف این حوزه توسعه سختافزارهایی است که بتوانند بهصورت همزمان اطلاعات را ذخیره کنند، پردازش انجام دهند و قابلیت یادگیری و سازگاری داشته باشند. با این حال، بیشتر سیستمهای نورومورفیک امروزی که بر پایه مواد اکسیدی و سوئیچینگ فیلامنتی ساخته شدهاند، بیشتر شبیه ماشینهایی هستند که یادگیری را شبیهسازی میکنند، نه موادی که یادگیری بهصورت ذاتی در آنها نهفته باشد.
تلاقی دو مسیر علمی قدیمی
مطالعهای جدید از مؤسسه علوم هند (IISc) نشان میدهد که این دو مسیر علمی، یعنی الکترونیک مولکولی و محاسبات نورومورفیک، اکنون در حال همگرا شدن هستند. این پژوهش حاصل همکاری میان متخصصان شیمی، فیزیک و مهندسی برق است و توسط تیمی به رهبری «سریتوش گوسوامی» در مرکز علوم و مهندسی نانو (CeNSE) انجام شده است. در این تحقیق، دستگاههای مولکولی بسیار کوچکی ساخته شدهاند که رفتار آنها میتواند به روشهای مختلف تنظیم شود. نکته شگفتانگیز این است که یک دستگاه واحد، بسته به نوع تحریک، میتواند نقشهای متعددی ایفا کند: حافظه، گیت منطقی، انتخابگر، پردازشگر آنالوگ یا حتی یک سیناپس الکترونیکی. این سطح از انعطافپذیری در مواد الکترونیکی بسیار نادر است و نشان میدهد که محاسبه میتواند مستقیماً از دل شیمی بیرون بیاید.
نقش شیمی در ایجاد چندکارکردی
راز این رفتار چندمنظوره در شیمی خاص بهکاررفته در ساخت دستگاهها نهفته است. پژوهشگران ۱۷ کمپلکس مختلف از عنصر روتنیوم را سنتز کردند و نشان دادند که تغییرات بسیار کوچک در شکل مولکولها، لیگاندها و محیط یونی اطراف آنها میتواند رفتار الکترونی را بهطور چشمگیری تغییر دهد. با این تنظیمات شیمیایی، یک دستگاه میتواند بین حالت دیجیتال و آنالوگ جابهجا شود و طیف وسیعی از رسانایی را پوشش دهد.
چارچوب نظری برای پیشبینی رفتار
یکی از دستاوردهای کلیدی این پژوهش، ارائه یک مدل نظری قدرتمند بر پایه فیزیک چندجسمی و شیمی کوانتومی است. این مدل قادر است رفتار دستگاه را مستقیماً از روی ساختار مولکولی پیشبینی کند. بر اساس این چارچوب، حرکت الکترونها در فیلم مولکولی، فرآیندهای اکسایش و کاهش، و جابهجایی یونها همگی در کنار هم تعیینکننده رفتار سوئیچینگ، پایداری و دینامیک سیستم هستند.
آینده سختافزار هوش مصنوعی
نتیجه نهایی این تحقیق نشان میدهد که میتوان حافظه و پردازش را در یک ماده واحد ادغام کرد؛ ویژگیای که برای توسعه سختافزارهای نورومورفیک نسل آینده حیاتی است. تیم پژوهشی در حال کار بر روی ادغام این سامانههای مولکولی با تراشههای سیلیکونی است تا مسیر برای تولید سختافزارهای هوش مصنوعی کممصرف، تطبیقپذیر و ذاتاً هوشمند هموار شود. این دستاورد میتواند نقش مهمی در آینده AI و محاسبات الهامگرفته از مغز ایفا کند.
منبع خبر: sciencedaily
پاسخ :