பென் ஸ்டேட் பல்கலைக்கழகம் டிஎன்ஏ அடிப்படையிலான குறைந்த சக்தி நினைவக சாதனத்தை உருவாக்கியது
பென் ஸ்டேட் ஆராய்ச்சியாளர்கள் செயற்கை டிஎன்ஏ மற்றும் பெரோவ்ஸ்கைட்டை பயன்படுத்தி பாரம்பரிய சாதனங்களைவிட 100 மடங்கு குறைவான சக்தி பயன்படுத்தும் நினைவக சாதனத்தை உருவாக்கியுள்ளனர்.

பென் ஸ்டேட் பல்கலைக்கழக ஆராய்ச்சியாளர்கள் செயற்கை டிஎன்ஏ மற்றும் படிக வடிவ பெரோவ்ஸ்கைட் என்ற செமிகண்டக்டரைப் பயன்படுத்தி, குறைந்த சக்தி நுகர்வுடன் தரவுகளை சேமிக்கும் புதிய நினைவக சாதனத்தை உருவாக்கியுள்ளனர். இந்த கண்டுபிடிப்பு Advanced Functional Materials என்ற இதழில் வெளியிடப்பட்டுள்ளது; இதற்கு காப்புரிமையும் விண்ணப்பிக்கப்பட்டுள்ளது.
மெம்ரிஸ்டர் எனப்படும் இந்த சாதனம் மிகக் குறைந்த சக்தியுடன் செயல்படுகிறது மற்றும் மின்சாரம் அணைக்கப்பட்ட பிறகும் தகவல்களைச் சேமிக்கிறது. பாரம்பரிய மின்தடையங்களுக்கு மாறாக, மெம்ரிஸ்டர்கள் முந்தைய மின்சார ஓட்டத்தின் திசையை நினைவில் கொள்கின்றன, இதனால் தரவுகளை ஒரே நேரத்தில் சேமிக்கவும் செயலாக்கவும் முடிகிறது, இது மூளையின் நரம்பு செயல்பாடுகளைப் போன்றது. இது செயற்கை நுண்ணறிவு மற்றும் பிற தொழில்நுட்பங்களில் தரவு செயலாக்கத் திறன்களை மேம்படுத்தக்கூடும்.
இந்த சாதனத்தை உருவாக்க, குழு வெள்ளி கலந்த செயற்கை டிஎன்ஏவை பெரோவ்ஸ்கைட் படலங்களுடன் ஒருங்கிணைத்தது. இந்த கலவை டிஎன்ஏவை மின்சாரம் கடத்தவும் சிறிய அளவுகளில் கட்டமைப்பு துல்லியத்தை பராமரிக்கவும் உதவுகிறது. இயற்கை டிஎன்ஏ போல் அல்லாமல், செயற்கை டிஎன்ஏவை நமக்குத் தேவையான வரிசையிலும் நீளத்திலும் வடிவமைக்க முடியும். இதனால் மின்கடத்துத்திறனையும் கட்டமைப்பையும் இன்னும் சிறப்பாகக் கட்டுப்படுத்த முடிகிறது.
இந்த உயிர்-இணைப்பு அமைப்பு சிறந்த நிலைத்தன்மையைக் காட்டியது. அதிக வெப்பநிலையிலும் சீராக இயங்கியது; அறை வெப்பநிலையில் ஆறு வாரங்களுக்கு மேலும் செயல்பாட்டில் இருந்தது. தற்போதைய நினைவக சேமிப்பு தொழில்நுட்பங்களுக்குத் தேவைப்படும் சக்தியில் பத்தில் ஒரு பங்கே இதற்குப் போதும். எனவே எதிர்காலக் குறைந்த சக்தி மின்னணு சாதனங்களுக்கு இது நம்பிக்கை தரும் தேர்வாக உள்ளது.
செயற்கை நுண்ணறிவின் வளர்ச்சியால், தரவுகளைத் திறமையாகச் செயலாக்கும் தேவை நாளுக்கு நாள் கூடுகிறது. அதனால், மனித மூளையைப் போலச் செயல்படும் நியூரோமார்பிக் கணினித் துறையில் இந்த சாதனம் முக்கியத்துவம் பெறுகிறது. மிகக் குறைந்த சக்தியுடன் மிகுந்த அளவிலான தரவுகளைச் சிறிய இடத்தில் அடுக்கக்கூடிய திறன் இந்த தொழில்நுட்பத்தின் முக்கிய நன்மையாகும்.

