ظهور تکنیک‌های هوش مصنوعی و یادگیری ماشین، در کنار کاربردهای نوظهوری مانند اینترنت اشیا (IoT)، خودروهای خودران، پردازش تصاویر در زمان واقعی و تجزیه و تحلیل داده‌های بزرگ (Big Data)، موجب شده تا جهان با تغییر و تحولات چشمگیری مواجه شود. بر اساس برآوردهای صورت گرفته، در سال 2020 میلادی، حجم داده‌های جهانی به بیش از 44 زتابایت (Zettabytes) رسیده و این روند رشد، به همین منوال ادامه می‌یابد. بر همین اساس، تا سال 2030 میلادی، مصرف انرژی الکتریسیته مربوط به ذخیره‌سازی و انتقال اطلاعات، تا 15 برابر نرخ فعلی افزایش یافته و تقریباً 8 درصد تقاضای جهانی انرژی را در بر می‌گیرد. بدیهی است که در چنین شرایطی، کاهش مصرف انرژی و افزایش سرعت فناوری‌های ذخیره اطلاعات، به یک الزام کلیدی مبدل می‌شود.

در واکنش به این نیاز، محققین دانشگاه برکلی، به رهبری پروفسور شیانگ ژانگ (Xiang Zhang) و با همکاری تیمی از دانشگاه استنفورد، روشی جدید و خلاقانه برای ذخیره‌سازی اطلاعات ابداع نموده‌اند. آن‌ها لایه‌هایی به ضخامت 3 نانومتر از تلورید تنگستن (Tungsten Ditelluride) را روی یکدیگر قرار داده و از ترتیب این لایه‌های اتمی، صفر و یک‌هایی برای ذخیره‌سازی اطلاعات ایجاد نموده‌اند. آن‌ها از یک هندسه کوانتومی خاصی استفاده نموده‌اند که استقلال کامل فرایندهای خواندن (read) و ذخیره‌سازی (write) اطلاعات را فراهم نموده و به همین واسطه، مصرف انرژی را تا 100 برابر روش‌های سنتی کاهش می‌دهد.

در مقایسه با حافظه‌های غیرفرار (NVW) فعلی، حافظه‌های نسل جدید مبتنی بر فناوری محققین برکلی، می‌تواند چندین مزیت هم‌زمان را در اختیار صنایع قرار دهد: 1) افزایش سرعت ذخیره‌سازی اطلاعات، 2) کاهش هزینه انرژی، 3) تحقق و تسهیل تجاری‌سازی فناوری‌های نوظهور محاسبات در حافظه (in-memory computing) و محاسبات مبتنی بر شبکه‌های عصبی (neural network computing). کافی است لحظه‌ای به این قابلیت‌های ارزشمند فکر کنید تا پیامدهای بزرگ این فناوری پیشرفته را بهتر درک نمایید. احتمالاً در آینده‌ای نزدیک، تجزیه و تحلیل داده‌ها با استفاده از هوش مصنوعی، به یک روال رایج و پیش‌پاافتاده تبدیل شده و نتیجه آن در صنایع مختلف، از خودروسازی تا مراقبت‌های بهداشتی مشاهده می‌شود. این میزان از تحول، نیازمند ذخیره‌سازی سریع اطلاعات و تبادل حجم بالایی از آن‌ها بوده که دست به گریبان فناوری باارزشی همچون نانو خواهد بود.

مرجع: «Nanowerk»