జాన్స్ హాప్కిన్స్ పరిశోధకులు ఎలక్ట్రికల్ స్విచ్‌లలో ఊహించని నాణ్యతను బహిర్గతం చేశారు, ఇది కంప్యూటర్ మెమరీని ప్రభావితం చేయగలదు
కీలక టేకావేలు:
- మానవ మెదడు పని చేసే విధానాన్ని మరియు జ్ఞాపకాలను ఏర్పరుచుకునే విధానాన్ని అనుకరించే ఎలక్ట్రానిక్ మెమరీ వ్యవస్థలను అభివృద్ధి చేసే అవకాశం ఉందని ఆశ్చర్యకరమైన ఆవిష్కరణ సూచిస్తుంది.
- పరికరం ఒక రోజు క్లౌడ్ డేటా నిల్వ ద్వారా వినియోగించే భారీ మొత్తంలో శక్తిని తగ్గిస్తుంది
ఎలక్ట్రానిక్స్‌లో మెమరీ పని చేసే విధానాన్ని మార్చగల ఒక ఆశ్చర్యకరమైన ఆవిష్కరణను జాన్స్ హాప్కిన్స్ మెటీరియల్ శాస్త్రవేత్తల బృందం చేసింది. ట్రాన్సిస్టర్‌లు అని పిలువబడే ఆర్గానిక్ మెటీరియల్-ఆధారిత లాజిక్ స్విచ్‌లలో ఉపయోగించే పదార్థాలను సర్దుబాటు చేయడం ద్వారా, వారు ఒక కొత్త రకమైన మెమిరిస్టర్-పరికరాలను సృష్టించారు, ఇవి కరెంట్ దాని గుండా వెళుతున్నప్పుడు గత ఛార్జింగ్ స్థితిని గుర్తుంచుకోగలవు-మానవ విధానాన్ని అనుకరించే ఎలక్ట్రానిక్ మెమరీ సిస్టమ్‌లను అభివృద్ధి చేయగల సామర్థ్యాన్ని సూచిస్తాయి. మెదడు పని చేస్తుంది. వాటి ఫలితాలు కనిపిస్తాయి అధునాతన ఫంక్షనల్ మెటీరియల్స్ .
“ప్రారంభంలో, ట్రాన్సిస్టర్ ఛార్జింగ్ సమయంలో ఏమి జరుగుతుందో అర్థం చేసుకోవడం మా లక్ష్యం” అని బృంద సభ్యుడు మరియు గ్రాడ్యుయేట్ విద్యార్థి రిలే బాండ్ చెప్పారు. “ఈ ట్రాన్సిస్టర్‌లలో ఛార్జ్ ఎక్కడ బంధించబడిందో మేము గుర్తించాలనుకుంటున్నాము మరియు పరికరం యొక్క మొత్తం ఛార్జింగ్ సామర్థ్యాలను మెరుగుపరచాలనుకుంటున్నాము, వోల్టేజ్ జోడించినప్పుడు ట్రాన్సిస్టర్‌లు షార్ట్ సర్క్యూట్ కాకుండా చూసుకోవాలి.”
వైటింగ్ స్కూల్ ఆఫ్ ఇంజనీరింగ్‌లో మెటీరియల్ సైన్స్ మరియు ఇంజనీరింగ్ ప్రొఫెసర్ హోవార్డ్ కాట్జ్ నేతృత్వంలో, బృందం ట్రాన్సిస్టర్‌లకు డిబెంజో టెట్రాథియాఫుల్వాలీన్ లేదా DBTTF అనే అణువును పరిచయం చేసింది. ఈ అణువు ట్రాన్సిస్టర్ యొక్క ఇన్సులేటింగ్ పొరలో స్ఫటికాలను ఏర్పరుస్తుంది, ఇక్కడ ఛార్జ్ నిల్వ చేయబడుతుందని పరిశోధకులు అంచనా వేశారు. సవరించిన ట్రాన్సిస్టర్‌లో ఒక చిన్న కరెంట్‌ను ఇంజెక్ట్ చేసిన తర్వాత, వారు ఊహించని ప్రభావాన్ని గమనించారు: ట్రాన్సిస్టర్ దాని గత ఛార్జ్‌ను నిలుపుకుంది, గుర్తుంచుకోగల సామర్థ్యాన్ని ప్రదర్శిస్తుంది, ఇది మెమ్‌రిస్టర్‌గా పనిచేస్తుంది.
“సాధారణంగా, రీఛార్జ్ చేసినప్పుడు ట్రాన్సిస్టర్‌లు మునుపటి ఛార్జీలను కలిగి ఉండవు” అని బాండ్ చెప్పారు. “ఇది మునుపటి ఛార్జ్ ఆధారంగా సర్దుబాటు చేయబడింది, ఇది మెమరీ లాంటి ఫంక్షన్‌ను సూచిస్తుంది.”
జ్ఞాపకాలు ఎలా పనిచేస్తాయి మరియు మానవ మెదడు జ్ఞాపకాలను ఎలా ఏర్పరుస్తుంది అనే విషయాలలో సారూప్యతను అతను గుర్తించాడు.
“మేము కొత్త జ్ఞాపకాలను చేసినప్పుడు, న్యూరాన్లలో కొత్త సినాప్సెస్ ఏర్పడతాయి మరియు నరాల మార్గాలలో ఈ మార్పులను కొలవవచ్చు” అని బాండ్ చెప్పారు. “మెమ్‌రిస్టర్‌లు అదే విధంగా పనిచేస్తాయి, మునుపటి వోల్టేజ్‌ల ఆధారంగా తమ కరెంట్‌ను సర్దుబాటు చేసుకుంటాయి, మెదడు స్వీకరించే విధంగా. దీనర్థం మెమ్‌రిస్టర్‌లు కంప్యూటర్‌లు డేటాను ఎలా నిర్వహిస్తాయి, సామర్థ్యాన్ని మెరుగుపరుస్తాయి మరియు నేర్చుకునే విధానాన్ని మార్చగలవు.”
ప్రస్తుతం భారీ మొత్తంలో శక్తిని వినియోగించే డేటా స్టోరేజీ వ్యూహాలకు సంబంధించిన ఆందోళనలను కూడా వారు పరిష్కరించగలరని ఆయన చెప్పారు.
“క్లౌడ్‌లోని ప్రతి గిగాబైట్ డేటా భౌతికంగా 48 బిలియన్ ట్రాన్సిస్టర్‌లలో నిల్వ చేయబడుతుంది, ఇది భారీ గిడ్డంగులలో ఉంది. ఈ స్విచ్‌లు అవి పొందగలిగేంత చిన్నవిగా ఉంటాయి, సాంప్రదాయ ట్రాన్సిస్టర్ కంప్యూటింగ్‌తో అతుక్కోవడం వల్ల స్థలం లేదా శక్తిని ఆదా చేయదు” అని బాండ్ చెప్పారు. . “కొంతమంది మెమ్‌రిస్టర్‌లు చాలా ట్రాన్సిస్టర్‌లను భర్తీ చేయగలవు, ఇది విద్యుత్ వినియోగం మరియు భౌతిక స్థలం అవసరాన్ని తగ్గించేటప్పుడు కంప్యూటర్ సామర్థ్యాన్ని పెంచుతుంది” అని ఆయన చెప్పారు.
కనుగొనబడినప్పటి నుండి, బృందం తన దృష్టిని విస్తరించింది.
“మేము ఇప్పుడు మేము ప్రయోగాలు చేసిన ఇతర ట్రాన్సిస్టర్‌లను అన్వేషిస్తున్నాము, మెమ్‌రిస్టర్ ప్రవర్తన కోసం చూస్తున్నాము మరియు ఈ కొత్త సాంకేతికతలో ఆ ట్రాన్సిస్టర్‌లను ఉపయోగించవచ్చా అని పరిశోధిస్తున్నాము” అని బాండ్ చెప్పారు.
