एक नए अध्ययन में कहा गया है कि एक नए प्रकार के 3 डी कंप्यूटर चिप जो दो अत्याधुनिक नैनोटेक्नोलॉजीज को जोड़ती है, प्रोसेसर की गति और ऊर्जा दक्षता को नाटकीय रूप से बढ़ा सकते हैं।
आज के चिप्स अलग मेमोरी (जो डेटा संग्रहीत करता है) और तर्क सर्किट (जो डेटा की प्रक्रिया करते हैं), और डेटा को संचालन करने के लिए इन दो घटकों के बीच आगे और पीछे बंद कर दिया जाता है। लेकिन मेमोरी और लॉजिक सर्किट के बीच सीमित संख्या में कनेक्शन के कारण, यह एक बड़ी अड़चन बन रहा है, विशेष रूप से क्योंकि कंप्यूटर से डेटा की बढ़ती मात्रा से निपटने की उम्मीद है।
पहले, इस सीमा को मूर के कानून के प्रभावों से मुखौटा लगाया गया था, जो कहता है कि एक चिप पर फिट होने वाले ट्रांजिस्टर की संख्या प्रदर्शन में वृद्धि के साथ हर दो साल में दोगुनी हो सकती है। लेकिन जैसे ही चिप निर्माताओं ने मूलभूत भौतिक सीमाओं को मारा कि छोटे ट्रांजिस्टर कैसे प्राप्त कर सकते हैं, यह प्रवृत्ति धीमी हो गई है।
स्टैनफोर्ड यूनिवर्सिटी और मैसाचुसेट्स इंस्टीट्यूट ऑफ टेक्नोलॉजी के इंजीनियरों द्वारा डिजाइन की गई नई प्रोटोटाइप चिप, एक-दूसरे के बजाय मेमोरी और लॉजिक सर्किट को एक-दूसरे के ऊपर ले जाकर दोनों समस्याओं से एक साथ निपटती है।
शोधकर्ताओं ने कहा कि इससे न केवल अंतरिक्ष का कुशल उपयोग होता है, बल्कि यह घटकों के बीच संबंध के लिए सतह क्षेत्र में नाटकीय रूप से वृद्धि करता है। एक पारंपरिक लॉजिक सर्किट में प्रत्येक किनारे पर सीमित संख्या में पिन होंगे, जिसके माध्यम से डेटा ट्रांसफर किया जा सकेगा; इसके विपरीत, शोधकर्ता किनारों का उपयोग करने के लिए प्रतिबंधित नहीं थे और तर्क परत से स्मृति परत तक चलने वाले ऊर्ध्वाधर तारों को घनीभूत करने में सक्षम थे।
स्टैनफोर्ड के इलेक्ट्रिकल इंजीनियरिंग और कंप्यूटर साइंस के प्रोफेसर अध्ययनकर्ता सुभाषिश मित्रा ने कहा, "अलग मेमोरी और कंप्यूटिंग के साथ, एक चिप लगभग दो बहुत आबादी वाले शहरों की तरह है, लेकिन उनके बीच बहुत कम पुल हैं।" "अब, हम सिर्फ इन दो शहरों को एक साथ नहीं लाए हैं - हमने कई और पुलों का निर्माण किया है ताकि यातायात उनके बीच अधिक कुशलता से जा सके।"
इसके शीर्ष पर, शोधकर्ताओं ने कार्बन नैनोट्यूब ट्रांजिस्टर से निर्मित लॉजिक सर्किट का उपयोग किया, साथ ही साथ एक उभरती हुई तकनीक जिसे प्रतिरोधक रैंडम-एक्सेस मेमोरी (आरआरएएम) कहा जाता है, दोनों सिलिकॉन तकनीकों की तुलना में बहुत अधिक ऊर्जा-कुशल हैं। यह महत्वपूर्ण है क्योंकि डेटा केंद्रों को चलाने के लिए आवश्यक विशाल ऊर्जा प्रौद्योगिकी कंपनियों के सामने एक और बड़ी चुनौती है।
मित्रा ने कहा, "ऊर्जा दक्षता के मामले में कंप्यूटिंग प्रदर्शन में अगले 1,000 गुना सुधार लाने के लिए, जो चीजों को बहुत कम ऊर्जा में चला रहा है और साथ ही साथ चीजें वास्तव में तेजी से चलती हैं। यह वह वास्तुकला है जिसकी आपको जरूरत है।"
शोधकर्ताओं ने कहा कि इन दोनों नई नैनोटेक्नोलोजी में पारंपरिक, सिलिकॉन-आधारित प्रौद्योगिकी पर निहित लाभ हैं, लेकिन वे नए चिप के 3 डी आर्किटेक्चर से भी अभिन्न हैं।
आज के चिप्स 2 डी हैं क्योंकि चिप पर सिलिकॉन ट्रांजिस्टर बनाने के लिए 1,800 डिग्री फ़ारेनहाइट (1,000 डिग्री सेल्सियस) से अधिक तापमान की आवश्यकता होती है, जो नीचे की परत को नुकसान पहुंचाए बिना एक दूसरे के ऊपर सिलिकॉन सर्किट को परत करना असंभव बनाता है, शोधकर्ताओं ने कहा। ।
लेकिन कार्बन नैनोट्यूब ट्रांजिस्टर और आरआरएएम दोनों को 392 डिग्री एफ (200 डिग्री सेल्सियस) की तुलना में कूलर पर गढ़ा जाता है, इसलिए अंतर्निहित सर्किट्री को नुकसान पहुंचाए बिना उन्हें आसानी से सिलिकॉन के ऊपर स्तरित किया जा सकता है। उन्होंने यह भी कहा कि शोधकर्ताओं का दृष्टिकोण वर्तमान चिप बनाने की तकनीक के अनुकूल है, उन्होंने कहा।
मित्रा ने कहा कि एक-दूसरे के ऊपर कई परतें जमने से गर्मी ज्यादा हो सकती है, क्योंकि चिप के आधार पर ऊपर की परतें हीट सिंक से दूर होंगी। लेकिन, उन्होंने कहा कि, यह समस्या इंजीनियर के लिए अपेक्षाकृत सरल होनी चाहिए, और नई तकनीक की ऊर्जा-दक्षता में वृद्धि का मतलब है कि पहले स्थान पर कम गर्मी उत्पन्न होती है।
अपने डिजाइन के लाभों को प्रदर्शित करने के लिए, टीम ने चिप के ऊपर कार्बन नैनोट्यूब आधारित सेंसर की एक और परत जोड़कर एक प्रोटोटाइप गैस डिटेक्टर का निर्माण किया। ऊर्ध्वाधर एकीकरण का मतलब था कि इनमें से प्रत्येक सेंसर सीधे एक आरआरएएम सेल से जुड़ा हुआ था, नाटकीय रूप से उस दर को बढ़ा रहा है जिस पर डेटा संसाधित किया जा सकता है।
यह डेटा तब लॉजिक लेयर में स्थानांतरित कर दिया गया था, जो एक मशीन लर्निंग एल्गोरिदम को लागू कर रहा था, जो इसे नींबू के रस, वोदका और बीयर के वाष्पों में भेद करने में सक्षम बनाता था।
यह सिर्फ एक प्रदर्शन था, हालांकि, मित्रा ने कहा, और चिप अत्यधिक बहुमुखी और विशेष रूप से अच्छी तरह से डेटा-भारी, गहरे तंत्रिका नेटवर्क के दृष्टिकोण के अनुकूल है जो वर्तमान कृत्रिम बुद्धिमत्ता तकनीक को रेखांकित करता है।
बर्कले में कैलिफोर्निया विश्वविद्यालय में इलेक्ट्रिकल इंजीनियरिंग और कंप्यूटर विज्ञान के प्रोफेसर जान राबे, जो अनुसंधान में शामिल नहीं थे, ने कहा कि वह इससे सहमत हैं।
"ये संरचनाएं वैकल्पिक रूप से सीखने-आधारित कम्प्यूटेशनल प्रतिमानों जैसे मस्तिष्क से प्रेरित प्रणालियों और गहरे तंत्रिका जाल के लिए अनुकूल हो सकती हैं, और लेखकों द्वारा प्रस्तुत दृष्टिकोण निश्चित रूप से उस दिशा में एक महान पहला कदम है," उन्होंने एमआईटी न्यूज को बताया।
