"डीएनए×अर्धचालक" से एआई की ऊर्जा खपत को कम किया जा सकता है? जैविक और इलेक्ट्रॉनिक का संयोजन करने वाली नई प्रकार की मेमोरी

जेनरेटिव AI तेजी से लोकप्रिय हो रहा है, लेकिन इसके पीछे एक गंभीर समस्या उभर रही है।

बिजली की खपत।

AI केवल मॉडल की प्रदर्शन क्षमता पर निर्भर नहीं करता है। यह मेमोरी से बड़े पैमाने पर डेटा को पढ़ता है, उसे प्रोसेसिंग यूनिट में भेजता है, और फिर परिणामों को वापस लिखता है। यह प्रक्रिया कई बार दोहराई जाती है।

इसलिए, अगली पीढ़ी के कंप्यूटरों में "गणना को कितनी तेजी से किया जा सकता है" के साथ-साथ "डेटा को कितनी कम बिजली में संग्रहीत और स्थानांतरित किया जा सकता है" भी महत्वपूर्ण होगा।

इस बीच, कंप्यूटर की मेमोरी को मूल रूप से बदलने वाला एक शोध सामने आया है।

इसमें उपयोग की गई सामग्री है, डीएनए।

पेनसिल्वेनिया स्टेट यूनिवर्सिटी और अन्य अनुसंधान टीमों ने कृत्रिम रूप से डिज़ाइन किए गए सिंथेटिक डीएनए और "पेरोव्स्काइट" नामक अर्धचालक सामग्री को मिलाकर एक नया मेमोरी डिवाइस विकसित किया है जो बहुत कम वोल्टेज पर काम करता है।

2026 में Advanced Functional Materials में प्रकाशित इस शोध में, डीएनए को केवल "जीवन की जानकारी को रिकॉर्ड करने वाले अणु" के रूप में नहीं, बल्कि इलेक्ट्रॉनिक सर्किट बनाने के लिए एक "कार्यात्मक सामग्री" के रूप में उपयोग किया गया है।

जीवविज्ञान और अर्धचालक इंजीनियरिंग।

दोनों क्षेत्र, जो अब तक लगभग अलग-अलग विकसित हुए थे, अब गंभीरता से मिलना शुरू हो गए हैं।

डीएनए को "अंतिम रिकॉर्डिंग माध्यम" कहा गया है

डीएनए का नाम सुनते ही, कई लोग आनुवंशिक जानकारी के बारे में सोचेंगे।

यह चार प्रकार के बेस A, T, G, C की श्रृंखला के माध्यम से जीवों की जानकारी को संग्रहीत करने वाला अणु है।

और डीएनए में एक और आश्चर्यजनक विशेषता है।

इसकी जानकारी घनत्व अत्यधिक उच्च है।

पेनसिल्वेनिया स्टेट यूनिवर्सिटी के अनुसार, सैद्धांतिक रूप से, 1 ग्राम डीएनए में लगभग 215 मिलियन जीबी डेटा संग्रहीत किया जा सकता है।

यह वर्तमान में उपयोग किए जा रहे SSD या HDD से पूरी तरह से अलग जानकारी घनत्व है।

इसलिए, पहले से ही, दुनिया भर में डिजिटल डेटा को डीएनए बेस अनुक्रम में बदलकर दीर्घकालिक संग्रहीत करने के लिए "डीएनए स्टोरेज" पर शोध किया जा रहा है।

हालांकि, इस शोध को समझने के लिए एक महत्वपूर्ण बिंदु है।

विकसित किया गया डिवाइस सामान्य "डीएनए स्टोरेज" से थोड़ा अलग है, जिसमें तस्वीरें या वीडियो को डीएनए के अंदर A, T, G, C के अनुक्रम के रूप में संग्रहीत किया जाता है।

यह डीएनए को इलेक्ट्रॉनिक डिवाइस की सामग्री के रूप में उपयोग कर रहा है।

शोध टीम ने इस पर ध्यान केंद्रित किया कि डीएनए को कृत्रिम रूप से डिज़ाइन किया जा सकता है।

"प्राकृतिक डीएनए" नहीं, बल्कि इलेक्ट्रॉनिक सर्किट के लिए डिज़ाइन किया गया डीएनए

जीवों से निकाला गया प्राकृतिक डीएनए बहुत लंबा होता है।

शोधकर्ताओं के अनुसार, इसे संभालने पर यह "गीले स्पेगेटी" की तरह उलझ सकता है।

यदि इसे इलेक्ट्रॉनिक घटक के रूप में नैनोमीटर स्तर पर सटीक रूप से रखना है, तो यह गुण कठिनाई पैदा कर सकता है।

इसलिए शोध टीम ने छोटे सिंथेटिक डीएनए का उपयोग किया।

कागज में 22-बेस लंबाई के सिंथेटिक डीएनए का उपयोग किया गया है जिसमें चांदी के नैनोकण शामिल हैं।

छोटे डीएनए को लंबाई, बेस अनुक्रम, आणविक संरचना आदि के अनुसार आसानी से डिज़ाइन किया जा सकता है।

अर्थात् डीएनए को,

"जीवों से निकालकर उपयोग की जाने वाली चीज़"

के बजाय,

"कंप्यूटर पर डिज़ाइन की गई, आवश्यक गुणों के साथ निर्मित नैनो सामग्री"

के रूप में उपयोग किया गया।

इसके अलावा, शोध टीम ने इस डीएनए में चांदी के नैनोकण जोड़े।

यह प्रक्रिया जिसे डोपिंग कहा जाता है।

इससे डीएनए परत की विद्युत गुणों को समायोजित किया गया और इसे इलेक्ट्रॉन के प्रवाह के मार्ग के रूप में उपयोग किया जा सका।

और इस चांदी के नैनोकणों से युक्त सिंथेटिक डीएनए के साथ मिलाया गया था एक अर्ध-द्वि-आयामी संरचना वाला हैलाइड पेरोव्स्काइट।

पेरोव्स्काइट एक सामग्री है जो सौर कोशिकाओं में भी ध्यान आकर्षित कर रही है, लेकिन इसकी विद्युत गुणों को नियंत्रित करने की क्षमता के कारण इसे अगली पीढ़ी की मेमोरी सामग्री के रूप में भी शोध किया जा रहा है।

दिलचस्प बात यह है कि केवल डीएनए या केवल पेरोव्स्काइट से समान प्रदर्शन नहीं मिला।

दोनों भिन्न सामग्रियों को मिलाने से स्थिर विद्युत धारा मार्ग और स्मृति विशेषताएँ उत्पन्न हुईं।

यह वास्तव में एक "बायो-हाइब्रिड" इलेक्ट्रॉनिक डिवाइस है।

विकसित किया गया डिवाइस "मेमरिस्टर" है

इस शोध में विकसित डिवाइस को "मेमरिस्टर" कहा जाता है।

यह Memory और Resistor के संयोजन से बना नाम है, और इसे जापानी में "स्मृति प्रतिरोधक" के रूप में अनुवादित किया जाता है।

सामान्य प्रतिरोधक एक इलेक्ट्रॉनिक घटक है जो यह निर्धारित करता है कि कितनी विद्युत धारा प्रवाहित होगी।

दूसरी ओर, मेमरिस्टर की प्रतिरोध स्थिति अतीत में प्रवाहित हुई विद्युत धारा के आधार पर बदलती है और उस स्थिति को बनाए रख सकती है।

अर्थात् इलेक्ट्रॉनिक घटक स्वयं "पहले किस प्रकार के विद्युत संकेत प्राप्त हुए थे" को याद कर सकता है।

यह AI शोधकर्ताओं के लिए एक बड़ा कारण है।

वर्तमान में सामान्य कंप्यूटर में, गणना करने वाली प्रोसेसर और डेटा संग्रहीत करने वाली मेमोरी अलग-अलग होती हैं।

जब CPU या GPU गणना करता है,

मेमोरी से डेटा पढ़ा जाता है
↓
प्रोसेसर को भेजा जाता है
↓
गणना की जाती है
↓
परिणाम को फिर से मेमोरी में वापस लिखा जाता है

यह प्रक्रिया कई बार होती है।

बड़े पैमाने पर AI गणना में, यह "डेटा को ले जाने का कार्य" स्वयं समय और बिजली की खपत करता है।

मेमरिस्टर में स्मृति और गणना को निकट स्थान पर, या एक ही घटक में किया जा सकता है।

यह "इन-मेमोरी कंप्यूटिंग" या "न्यूरोमोर्फिक कंप्यूटिंग" नामक अगली पीढ़ी की कंप्यूटर तकनीक से जुड़ता है।

0.1 वोल्ट से कम का निम्न वोल्टेज

इस शोध में विशेष रूप से ध्यान देने योग्य संख्या "0.1V से कम" है।

कागज के अनुसार, विकसित मेमरिस्टर 0.1V से कम के बहुत कम वोल्टेज पर प्रतिरोध स्थिति को बदल सकता है।

इसके अलावा, शोध टीम ने 0.01W/cm² की निम्न विद्युत शक्ति घनत्व की सूचना दी है।

दृढ़ता परीक्षण में लगभग 1000 संचालन चक्र दिखाए गए, और ON स्थिति और OFF स्थिति के बीच विद्युत अंतर भी 100,000 गुना से अधिक था।

कमरे के तापमान और वायुमंडलीय परिस्थितियों में भी 6 सप्ताह से अधिक समय तक उच्च ON/OFF अनुपात बनाए रखा गया।

पेरोव्स्काइट आधारित डिवाइसों में स्थिरता एक बड़ी चुनौती होती है, इसलिए "डीएनए जोड़ने से न केवल प्रदर्शन बल्कि स्थिरता में भी सुधार हुआ" यह इस शोध का एक महत्वपूर्ण हिस्सा है।

विश्वविद्यालय की घोषणा में कहा गया है कि यह पारंपरिक तकनीक की तुलना में "100 गुना कम बिजली की खपत करता है", और यह संख्या ScienceDaily जैसे माध्यमों के माध्यम से बड़े पैमाने पर रिपोर्ट की गई।

हालांकि, इसे सावधानी से पढ़ने की आवश्यकता है।

उसी विश्वविद्यालय की घोषणा में यह भी कहा गया है कि "समान मेमोरी कार्यक्षमता को 10 गुना कम बिजली में प्राप्त किया जा सकता है"।

इसके अलावा, समीक्षा किए गए कागज के सार में मुख्य रूप से 0.1V से कम के संचालन वोल्टेज, 0.01W/cm² की विद्युत शक्ति घनत्व, दृढ़ता, और बनाए रखने की विशेषताओं जैसे डिवाइस के माप परिणामों को दिखाया गया है।

इसलिए "वर्तमान SSD या DRAM को सीधे 100वें हिस्से की बिजली में बदलना" जल्दबाजी होगी।

"100 गुना" की संख्या को शोध के प्रभाव को दर्शाने वाले एक तुलना मूल्य के रूप में देखा जाना चाहिए, और यह देखना चाहिए कि यह किस मौजूदा तकनीक और किन शर्तों के साथ तुलना की जा रही है।

क्यों AI के साथ इसका अच्छा मेल है

यह शोध केवल एक नए प्रकार की मेमोरी की बात नहीं है, बल्कि AI के साथ इसके मेल की वजह से महत्वपूर्ण है।

वर्तमान AI में न्यूरल नेटवर्क का व्यापक रूप से उपयोग किया जा रहा है।

कृत्रिम न्यूरल नेटवर्क मस्तिष्क की तंत्रिका सर्किट से प्रेरित होते हैं, लेकिन वर्तमान में प्रमुख AI चिप्स मानव मस्तिष्क की तरह गणना नहीं करते हैं।

मस्तिष्क में, न्यूरॉन्स के बीच की कनेक्शन पॉइंट्स, जिन्हें सिनेप्स कहा जाता है, सूचना प्रसंस्करण और स्मृति में शामिल होते हैं।

दूसरी ओर, सामान्य कंप्यूटर में स्मृति उपकरण और गणना उपकरण अलग-अलग होते हैं।

इसलिए न्यूरोमोर्फिक कंप्यूटिंग पर शोध किया जा रहा है।

यदि मेमरिस्टर के प्रतिरोध मूल्य को कृत्रिम सिनेप्स के "कनेक्शन की ताकत" के रूप में देखा जाए, तो विशाल मैट्रिक्स गणना के कुछ हिस्सों को सीधे मेमोरी के अंदर निष्पादित किया जा सकता है।

यहां महत्वपूर्ण है बिजली की खपत।

यदि लाखों, करोड़ों, या उससे भी अधिक कृत्रिम सिनेप्स बनाए जाते हैं, और प्रत्येक को बड़ी बिजली की आवश्यकता होती है, तो यह व्यावहारिक नहीं होगा।

इसलिए इस डीएनए-पेरोव्स्काइट प्रकार के मेमरिस्टर का ध्यान आकर्षित करने का कारण यह है कि यह बहुत कम वोल्टेज पर स्थिति बदल सकता है।

भविष्य में,

AI एक्सेलेरेटर
एज AI
स्वायत्त सेंसर
रोबोट
वियरेबल डिवाइस
न्यूरोमोर्फिक प्रोसेसर

जैसे उपकरणों में, सीमित बिजली में बड़ी मात्रा में जानकारी को संसाधित करने के लिए अनुप्रयोगों की कल्पना की जा सकती है।

"डीएनए इसलिए कि इसमें बड़ी मात्रा में डेटा समा सकता है" यह थोड़ा गलत है

इस समाचार में विशेष रूप से गलतफहमी पैदा करने वाले हिस्से पर ध्यान देना चाहिए।

"डीएनए 1 ग्राम में 215 मिलियन जीबी डेटा संग्रहीत कर सकता है"

की बात और,

"वर्तमान में बनाए गए डीएनए मेमरिस्टर"

को सीधे जोड़कर,

"1 ग्राम में 215 मिलियन जीबी डेटा संग्रहीत करने वाला अर्धचालक तैयार हो गया"

सोचना सही नहीं है।

डीएनए स्टोरेज में, A, T, G, C के बेस अनुक्रम में डिजिटल जानकारी लिखी जाती है।

इस डिवाइस में, सिंथेटिक डीएनए को चांदी के नैनोकणों के साथ मिलाकर, विद्युत चार्ज ट्रांसपोर्ट और प्रतिरोध स्विचिंग को नियंत्रित करने वाली सामग्री के रूप में उपयोग किया गया है।

अर्थात् शोध का सार यह नहीं है कि,

"डीएनए के अंदर फाइलें संग्रहीत की गईं"