ممریستورها از منظر همگرایی نانوفناوری، زیست‌فناوری، فناوری اطلاعات و علوم شناختی

رویکرد همگرایی فناوری‌های نانو، زیست، اطلاعات و علوم شناختی منجر به پیشرفت سریع فناوری‌های هوش مصنوعی و یادگیری ماشین شده است. در همین راستا تقاضا برای قابلیت‌های محاسباتی پیشرفته‌تر دستگاه‌ها به‌طور قابل‌توجهی افزایش یافته است. محاسبات نورومورفیک به‌عنوان الگوی محاسباتی نوظهور توجه فزاینده‌ای را به خود جلب کرده است. این فناوری که از عملکرد مغز انسان الهام گرفته، رفتار نورون‌ها و سیناپس‌ها را تقلید می‌کند تا محاسبات کارآمد و کم‌مصرف را امکان‌پذیر سازد. یکی از کلیدهای تحقق محاسبات نورومورفیک، ساخت دستگاه سیناپسی قابل اعتمادی است که بتواند ارتباط بین نورون‌های متصل به هم را مدوله و حفظ کند. پیاده‌سازی دستگاه‌های فیزیکی با ویژگی‌های سیناپسی، کلید ساخت زیرساختِ سخت‌افزاری برای سامانه‌های محاسباتی نورومورفیک بوده، برای پیشرفت این حوزه تعیین‌کننده است. ممریستورها به‌عنوان حافظه‌های نوظهور، به‌دلیل مصرف کم توان، کارایی بالایی در محاسبات نورومورفیک نشان می‌دهند. نانومواد به‌دلیل تشابه ابعادی با نورون‌ها و امکان ایجاد مدارهای پیچیده بر روی تراشه‌ای کوچک می‌توانند عملکرد ممریستور شامل سوئیچینگ مقاومتی کارآمد با پاسخ سریع، افزایش چگالی ذخیره‌سازی و نیاز به توان کم را بهبود بخشند. در این مقاله ابتدا مفهوم و ساختار ممریستورها معرفی می‌شود و در ادامه سهم هر کدام از فناوری‌های اطلاعات، زیست، نانو و علوم شناختی در ایجاد و توسعه‌ی ممریستورها بررسی خواهد شد. در پایان چالش‌های موجود نظیر ناپایداری، تغییرپذیری و مقیاس‌پذیری، و چشم‌انداز آینده‌ی پژوهش شامل سامانه‌های نورومورفیک زیست‌الهام و تقویت‌شده با کوانتوم مورد بحث قرار خواهد گرفت. به‌طور خلاصه این مقاله ممریستورها را از منظر همگرایی علوم و فناوری‌ها بررسی می‌کند.