ممریزستورها؛ نسل جدید ترانزیستورها برای اینترنت اشیا
تا این حد می‌دانیم که اینترنت اشیا در راه است. اما شاید هنوز باید تدارک ورود این فناوری را ببینیم، دست کم تا زمانی که اجزا و تراشه‌هایی در اختیار داشته باشیم که بتوانند از پس انفجار داده‌ها که با اینترنت اشیا همراه خواهند بود، برآیند. داده‌ها در اینترنت اشیا حرف اول را می‌زنند. امید هواداران اینترنت اشیا به ترانزیستورهای نوین است؛ چیزی که اسم آن را «ممریزستورها» گذاشته اند.
پیش بینی می شود تا سال ۲۰۲۰ تعداد حسگرهای صنعتی در سراسر جهان به ۵۰ میلیارد برسد. یک دستگاه خودکار کاملاً مستقل، مثلاً یک ساعت هوشمند، یک ربات تمیز‌کننده یا یک ماشین بدون راننده می‌تواند هر روز یک گیگابایت داده تولید کند در حالی که یک هواپیما ممکن است بیش از ۱۰ هزار حسگر در تنها یک بال خود داشته باشد.
با انفجار داده ها در اینترنت اشیا چه کنیم؟
برای جان سالم به در بردن از طوفان داده‌های ناشی از اینترنت اشیا دو مانع وجود دارد. اول، ترانزیستورهای موجود در تراشه‌های رایانه‌ای باید به اندازه‌های نانومتری کوچک‌سازی شوند؛ مشکل این است که در این صورت آنها دیگر کار نخواهند کرد. دوم، تجزیه و تحلیل و مقادیر بی‌سابقه‌ای از ذخایر داده که به همان اندازه به میزان بسیار زیادی انرژی نیاز دارد.
دکتر سانی ماجومدار، استاد آکادمی دانشگاه آلتو، همراه با همکارانش، مشغول طراحی نوعی فناوری برای حل هر دو این موانع هستند؛ آنها اجزای پایه‌ای رایانه‌های آینده را طراحی کرده و ساخته‌اند؛ کامپیوترهایی که نورومورفیک (neuromorphic) نامیده می‌شوند و از کارکرد مغز انسان الگوبرداری شده‌اند. این زمینه تحقیقاتی یکی از عرصه های جالب توجه برای سرمایه‌گذاری بزرگترین شرکت‌های ICT در جهان و همچنین اتحادیه اروپا است. با این حال، هنوز کسی به نوعی طرح سخت‌افزاری نانو دست نیافته است که بتواند در ابعاد صنعتی استفاده شود.
دکتر ماجومدار می‌گوید: فناوری و طراحی کامپیوترهای نورومورفیک نسبت به انقلاب رقیب خود یعنی رایانه‌های کوانتومی پیشرفت سریع‌تری دارد. هم اکنون در دانشگاه‌ها و بخش تحقیق و توسعه شرکت‌ها در مورد راه‌هایی برای استفاده از قابلیت‌‌های پردازش سنگین در سخت‌افزار تلفن‌های هوشمند، تبلت‌ها و لپ‌تاپ‌ها گمانه‌زنی‌های گسترده‌ای وجود دارد. کلید حل مشکلات، دستیابی به بهره‌وری فوق‌العاده انرژی (مانند آنچه در یک مغز رخ می‌دهد) و تقلید از شبکه‌های عصبی در پردازش اطلاعات به کمک جریان‌های الکتریکی است.
اجزای پایه‌ای رایانه‌هایی که مانند مغز کار می‌کنند
دکتر ماجومدار و تیم او در مقاله اخیر خود که در مجله Advanced Functional Materials به چاپ رسیده است، نشان می‌دهند که چگونه با رویکرد اینترنت اشیا نسلی جدید از «اتصالات تونلی فروالکتریک» را تولید کردهاند؛ این اتصالات شامل لایه‌های بسیار نازک چند نانومتری فروالکتریکی می‌شود که بین دو الکترود قرار می‌‌گیرند. آنها توانایی‌های بسیار بیشتری نسبت به فناوری‌های موجود دارند و برای پردازش‌های نورومورفیک پایدار که از دیدگاه مصرف انرژی کارآمد هستند کارایی بسیار بالایی دارند.
این اتصالات با ولتاژ پایین، کمتر از پنج ولت و با بعضی از ترکیباتی که در ساخت الکترودها کاربرد دارند، مانند سیلیکون به کار رفته در ترانزیستورها، کار می‌کنند. آنها همچنین می‌توانند داده‌ها را برای بیش از ۱۰ سال بدون نیاز به منبع انرژی نگهداری کنند و در شرایط طبیعی هم می‌توان آنها را ساخت.
اتصالات تونلی تا امروز عمدتاً از اکسیدهای فلزی ساخته شده و به درجه حرارت ۷۰۰ درجه سانتیگراد و شرایط خلأ شدید برای تولید احتیاج داشته است. همچنین مواد فروالکتریک حاوی سرب هستند که باعث می‌شود آنها و تمام رایانه‌های ما را به خطری جدی برای محیط زیست تبدیل کنند.
دکتر ماجومدار توضیح می‌دهد: اتصالات ما از مواد آلی هیدروکربن ساخته شده‌اند و باعث کاهش میزان زباله‌های سمی فلزات سنگین در صنعت الکترونیک می‌شوند. ما همچنین می توانیم هزاران عدد از آنها را بدون این که در اثر رطوبت هوا یا اکسیژن آسیب ببینند در دمای اتاق نگهداری کنیم. این اتفاق با رسالت اینترنت اشیا کاملاً سازگار است.
آنچه که این لایه‌های نازک فروالکتریک را برای ساخت رایانه‌های نورومورفیکی به اجزایی عالی بدل می‌سازد، نه تنها توانایی آنها برای تغییر بین حالت‌های باینری، صفر و یک، بلکه تعداد زیادی از حالت‌های حد واسط است. این سبب می‌شود تا آنها بتوانند اطلاعات را مانند مغز به خاطر بسپارند و حتی داده‌هایی را که قبلاً دریافت کردهاند برای مدت زمان طولانی (بهتر از مغز) و با مقدار اندکی انرژی حفظ کنند. مثال بارز آن، مریخ‌پیمای ۲۰۲۰ است. این وسیله باید بتواند ماهیت معدنی خاک سطح یک سیاره دیگر را مورد بررسی قرار دهد. مریخ پیما برای کار و پردازش داده‌ها تنها از یک پانل خورشیدی به عنوان منبع انرژی بهره می‌برد و الگوریتم‌های کاملاً خودمختار درونی این وسیله به یک مغز مصنوعی در سخت‌افزار احتیاج دارند.
دکتر ماجومدار شرح می‌دهد: آنچه در حال حاضر به دنبالش هستیم، این است که میلیون ها عدد از این تراشه‌های جدید اتصال تونلی را به درون یک شبکه در سطحی به اندازه یک سانتی‌متر مربعی تلفیق کنیم. ما می‌توانیم انتظار داشته باشیم که تعداد زیادی از آنها را در چنین فضای کوچکی بسته‌بندی کنیم زیرا ما در حال حاضر به تفاوت چشمگیری در جریان حالت‌های روشن و خاموش اتصالات دست یافته‌ایم که امکان ثبات ساختاری را ایجاد می‌کند. این تراشه‌های جدید می‌توانند وظایف پیچیده‌ای را مانند تشخیص تصویر، الگو و اتخاذ مستقل تصمیمات انجام دهند.
سخن آخر اینکه، ما دیگر از ترانزیستورها صحبت نمی‌کنیم، سر و کار ما با نسل جدیدی از تراشه‌ها به نام ممریزستور «memristors» خواهد بود. آنها گزینه‌های ایده آلی برای پردازش‌های مشابه مغز‌های بیولوژیکی هستند.