সিলিকনের পরের যুগ: শ্রীতোষ গোস্বামী ও মলিকিউলার নিউরোমরফিক কম্পিউটিং-আরেক বাঙালির বিশ্বজয়

সুবীর সেন
কম্পিউটার প্রযুক্তির ইতিহাস মূলত গতি, ক্ষুদ্রতা এবং শক্তি-সাশ্রয়ের ইতিহাস। প্রথম দিকের বিশাল আকারের কম্পিউটার থেকে আজকের স্মার্টফোন—প্রতিটি ধাপে মানুষ কম জায়গায় বেশি গণনা করার চেষ্টা করেছে। কিন্তু কৃত্রিম বুদ্ধিমত্তার দ্রুত বিস্তারের সঙ্গে একটি নতুন সমস্যা সামনে এসেছে: AI যত শক্তিশালী হচ্ছে, তার জন্য তত বেশি বিদ্যুৎ, মেমরি ও ডেটা সেন্টার প্রয়োজন হচ্ছে।
এই সমস্যার সমাধানের সন্ধানে ভারতীয় বিজ্ঞানী শ্রীতোষ গোস্বামী এবং বেঙ্গালুরুর ইন্ডিয়ান ইনস্টিটিউট অব সায়েন্সের গবেষণা দল মলিকিউলার মেমরিস্টর ও নিউরোমরফিক কম্পিউটিং নিয়ে কাজ করছেন। তাঁদের গবেষণার লক্ষ্য এমন hardware তৈরি করা, যা মস্তিষ্কের মতো তথ্য সংরক্ষণ ও গণনা—দুই কাজই একই স্থানে করতে পারে।
এটি কেবল একটি নতুন chip-এর গল্প নয়। এটি কম শক্তিতে কৃত্রিম বুদ্ধিমত্তা চালানোর সম্ভাব্য নতুন পথের গল্প।
বর্তমান কম্পিউটারের মৌলিক সমস্যা
প্রচলিত কম্পিউটারে processor এবং memory সাধারণত আলাদা থাকে। Processor গণনা করে, আর memory তথ্য সংরক্ষণ করে। একটি AI model চালানোর সময় memory থেকে data processor-এ যায়, processor সেটি বিশ্লেষণ করে এবং ফলাফল আবার memory-তে পাঠায়।
এই যাতায়াতের জন্য সময় ও বিদ্যুৎ দুটিই লাগে। AI-এর matrix multiplication-এর মতো বিপুল সংখ্যক গণনায় এই data movement অনেক সময় মূল গণনার চেয়েও বড় শক্তি-খরচের কারণ হয়ে দাঁড়ায়।
এই সমস্যাকে অনেক সময় von Neumann bottleneck বলা হয়। অর্থাৎ processor দ্রুত হলেও memory এবং processor-এর মধ্যে data transfer ধীর ও ব্যয়বহুল হলে পুরো system-এর কার্যক্ষমতা সীমিত হয়ে পড়ে।
মেমরিস্টর: স্মৃতিসম্পন্ন বৈদ্যুতিক উপাদান
মেমরিস্টর হলো এমন এক electronic device যার resistance তার আগের বৈদ্যুতিক অবস্থার ইতিহাস মনে রাখতে পারে। সাধারণ switch যেখানে মূলত চালু বা বন্ধ অবস্থায় থাকে, মেমরিস্টর তার resistance বহু মাত্রায় পরিবর্তন করতে পারে।
এই বৈশিষ্ট্য তাকে একই সঙ্গে memory এবং computational element হিসেবে ব্যবহার করার সুযোগ দেয়। একটি AI model-এর weight যদি মেমরিস্টরের conductance হিসেবে সংরক্ষিত থাকে, তাহলে সেই device-এর মধ্যেই নির্দিষ্ট গণনা সম্পন্ন করা সম্ভব হতে পারে।
এই পদ্ধতিকে বলা হয় in-memory computing—অর্থাৎ মেমরির ভেতরেই গণনা।
১৬,৫০০ memory state-এর তাৎপর্য
IISc-এর গবেষণায় ব্যবহৃত মলিকিউলার film প্রায় ১৬,৫০০টি পৃথক memory state বা conductance level ধারণ করতে পেরেছে বলে জানানো হয়েছে।
প্রচলিত digital computer-এ তথ্য সাধারণত binary—০ অথবা ১—আকারে সংরক্ষিত হয়। কিন্তু মলিকিউলার device-এ একই উপাদানের conductance বহু সূক্ষ্ম স্তরে পরিবর্তন করা যায়।
এটি অনেকটা একটি সাধারণ বৈদ্যুতিক সুইচ এবং একটি সূক্ষ্ম dimmer-এর পার্থক্যের মতো:
সাধারণ switch: আলো জ্বলছে অথবা নিভে আছে।
Dimmer: অল্প আলো, মাঝারি আলো, বেশি আলো—বহু মাত্রা।
এই বহুস্তরীয় বৈশিষ্ট্য AI-এর weight সংরক্ষণ ও analog গণনার জন্য গুরুত্বপূর্ণ। তবে ১৬,৫০০টি state থাকা মানে ১৬,৫০০টি gigabyte বা terabyte তথ্য ধারণ করা নয়। State-এর সংখ্যা এবং মোট storage capacity এক জিনিস নয়।
মস্তিষ্কের মতো কম্পিউটিং
নিউরোমরফিক computing মানুষের মস্তিষ্কের কার্যপ্রণালী থেকে অনুপ্রাণিত। মস্তিষ্কে neuron তথ্য প্রক্রিয়া করে এবং synapse সেই সংযোগের শক্তি পরিবর্তন করে শেখে। নিউরোমরফিক chip-এ electronic device-কে সেই synapse-এর মতো আচরণ করানোর চেষ্টা করা হয়।
এই architecture বিশেষভাবে উপযোগী হতে পারে:
ছবি ও video শনাক্তকরণে।
speech ও sound analysis-এ।
sensor data বিশ্লেষণে।
রোবটের তাৎক্ষণিক সিদ্ধান্তে।
satellite image processing-এ।
কম শক্তির edge AI-তে।
প্রচলিত computer যেখানে instruction ধরে ধরে কাজ করে, নিউরোমরফিক system parallel এবং event-driven পদ্ধতিতে কাজ করতে পারে।
কম শক্তি ব্যবহারের সম্ভাবনা
Molecular neuromorphic technology-এর সবচেয়ে বড় আকর্ষণ energy efficiency। গবেষকদের আগের কাজগুলিতে নির্দিষ্ট mathematical operation-এর ক্ষেত্রে প্রচলিত CMOS architecture-এর তুলনায় শক্তি ও সময় কমার ফল পাওয়া গেছে।
এর কারণ:
Memory ও computation একই স্থানে।
Data movement কম।
বহু device parallelভাবে কাজ করতে পারে।
AI model-এর weight বারবার processor-এ পাঠাতে হয় না।
Analog operation ব্যবহার করা যায়।
তবে একটি গুরুত্বপূর্ণ সতর্কতা প্রয়োজন। মূল molecular device কম শক্তি ব্যবহার করলেও সম্পূর্ণ system-এর power consumption আরও অনেক কিছুর ওপর নির্ভর করে—control circuit, memory interface, data converter, communication system, security এবং thermal management।
তাই এই প্রযুক্তি “বিদ্যুৎ ছাড়া” চলবে না; বরং “কম বিদ্যুতে” নির্দিষ্ট AI কাজ করতে পারবে।
প্রচলিত সিলিকন চিপের সঙ্গে পার্থক্য
প্রথাগত CMOS chip এবং মলিকিউলার neuromorphic chip-এর মধ্যে মূল পার্থক্য হলো computation-এর পদ্ধতি।
IISc-এর মলিকিউলার chip-ও সম্পূর্ণভাবে সিলিকনবিহীন computer নয়। বাস্তব system-এ molecular array-এর সঙ্গে CMOS control circuit, digital processor, storage এবং communication interface যুক্ত থাকতে পারে। IISc-এর ৬৫ nm CMOS chip tape-out সংক্রান্ত procurement তথ্যও এই hybrid approach-এর ইঙ্গিত দেয়।
ভবিষ্যতের স্যাটেলাইট ডেটা সেন্টার
এই প্রযুক্তির একটি আকর্ষণীয় সম্ভাব্য ব্যবহার হলো মহাকাশে intelligent data processing।
বর্তমানে satellite প্রচুর ছবি ও sensor data সংগ্রহ করে। সব raw data পৃথিবীতে পাঠাতে গেলে বিপুল bandwidth দরকার হয়। যদি satellite-এর মধ্যেই neuromorphic processor থাকে, তাহলে সেটি প্রথমে data বিশ্লেষণ করতে পারবে।
যেমন:
মেঘের আড়ালে থাকা অঞ্চল বাদ দেওয়া।
বন্যা শনাক্ত করা।
ফসলের রোগ চিহ্নিত করা।
বনভূমিতে আগুন খুঁজে বের করা।
সমুদ্রের তেল দূষণ শনাক্ত করা।
জাহাজ বা অবৈধ কার্যকলাপ শনাক্ত করা।
তারপর satellite শুধু গুরুত্বপূর্ণ ফলাফল বা compressed information পৃথিবীতে পাঠাবে। এতে communication cost ও response time কমতে পারে।
তবে মহাকাশে এই প্রযুক্তি ব্যবহার সহজ নয়। Satellite-কে radiation, vibration, vacuum এবং extreme temperature সহ্য করতে হবে। আবার মহাকাশে air cooling সম্ভব নয়; উৎপন্ন তাপ radiator panel-এর মাধ্যমে infrared radiation হিসেবে বের করতে হবে।
অর্থাৎ জলভিত্তিক cooling না থাকলেও thermal management একেবারেই অপ্রয়োজনীয় হবে না।
প্রযুক্তিটির সীমাবদ্ধতা
এই প্রযুক্তির সম্ভাবনা বড় হলেও বেশ কিছু গুরুত্বপূর্ণ বাধা রয়েছে।
উৎপাদনগত চ্যালেঞ্জ
ল্যাবরেটরিতে একটি molecular device সফল হওয়া এবং শিল্প-পর্যায়ে কোটি কোটি একই মানের device তৈরি করা এক নয়। Uniformity, yield, packaging এবং CMOS integration এখনও বড় প্রশ্ন।
নির্ভুলতা ও noise
Analog state temperature, electrical noise এবং material variation-এর প্রভাবে পরিবর্তিত হতে পারে। ফলে calibration, error correction এবং redundancy প্রয়োজন হবে।
দীর্ঘমেয়াদি স্থায়িত্ব
একটি data centre বা satellite বহু বছর চলতে হয়। Molecular device কতবার write করা যাবে, কতদিন data ধরে রাখবে এবং aging-এর পরে performance কেমন থাকবে—এসবের দীর্ঘমেয়াদি প্রমাণ দরকার।
সব ধরনের computing-এর জন্য নয়
এই technology AI inference, pattern recognition এবং sensor processing-এ বেশি কার্যকর হতে পারে। কিন্তু database, accounting, operating system, high-precision simulation বা general-purpose computing-এর জন্য traditional CPU এখনও অপরিহার্য।
সফটওয়্যার ecosystem
নতুন hardware সফল হতে compiler, programming tools, AI framework, debugging system এবং industry standard দরকার। এগুলি তৈরি হতে সময় লাগে।
বাণিজ্যিক ব্যবহারে পৌঁছানোর পথ
মলিকিউলার neuromorphic chip-এর commercialisation সম্ভবত ধাপে ধাপে হবে।
প্রথমে এটি laboratory accelerator হিসেবে পরীক্ষা করা হবে। এরপর নির্দিষ্ট কাজে—যেমন smart camera, industrial sensor, agricultural monitoring বা satellite image analysis—pilot project তৈরি হতে পারে।
পরবর্তী পর্যায়ে molecular array-কে CMOS control circuit-এর সঙ্গে যুক্ত করে system-on-chip তৈরি করতে হবে। তারপর reliability, radiation tolerance, cybersecurity এবং mass manufacturing-এর পরীক্ষা সম্পন্ন করতে হবে।
বাস্তবসম্মতভাবে সীমিত commercial prototype কয়েক বছরের মধ্যে দেখা যেতে পারে। কিন্তু বড় data centre বা global satellite network-এ ব্যাপক ব্যবহারের জন্য এক দশক বা তার বেশি সময় লাগতে পারে। Neuromorphic general-purpose processor-এর জন্য প্রকাশিত কিছু roadmap-এ ৫–১০ বছরের সময়সীমা আলোচিত হয়েছে, যদিও molecular platform-এর ক্ষেত্রে উৎপাদন ও নির্ভরযোগ্যতার কারণে সময়সীমা আরও দীর্ঘ হতে পারে।
“১৬,৫০০ চিপে গোটা বিশ্ব”—বাস্তবতা ও কল্পনা
১৬,৫০০ সংখ্যাটি এই গবেষণার সবচেয়ে আলোচিত দিক। কিন্তু এটি একটি device-এর memory state-এর সংখ্যা, মোট chip-এর সংখ্যা নয় এবং বিশ্বের সব data centre প্রতিস্থাপনের সরাসরি প্রমাণও নয়।
একটি পূর্ণাঙ্গ global computing network-এর জন্য এখনও দরকার:
বৃহৎ স্থায়ী storage।
Processor ও accelerator।
High-speed network।
Backup ও disaster recovery।
Cybersecurity।
Power management।
Data governance।
Software platform।
তাই ভবিষ্যতে molecular chip data centre-কে বিলুপ্ত করার পরিবর্তে data centre-এর architecture বদলে দিতে পারে। কিছু গণনা user device বা satellite-এর কাছেই হবে, আর বৃহৎ archive ও complex computation কেন্দ্রীয় data centre-এ থাকবে।
বাংলার জন্য গর্বের অধ্যায়
শ্রীতোষ গোস্বামীর গবেষণা ভারতীয় বিজ্ঞান ও প্রযুক্তির একটি গুরুত্বপূর্ণ দিক তুলে ধরে। বিশ্ব যখন AI-এর জন্য আরও শক্তিশালী এবং ব্যয়বহুল data centre তৈরি করছে, তখন ভারতীয় গবেষকরা এমন hardware নিয়ে ভাবছেন যা কম শক্তিতে বুদ্ধিমান গণনা করতে পারে।
এই প্রযুক্তি এখনও পূর্ণাঙ্গ commercial product নয়। এর সামনে manufacturing, reliability, software এবং system integration-এর কঠিন পথ রয়েছে। তবু এর গুরুত্ব কমে না।
কারণ ভবিষ্যতের কম্পিউটার হয়তো শুধু দ্রুততর হবে না; তা আরও ক্ষুদ্র, আরও শক্তি-সাশ্রয়ী এবং আরও মস্তিষ্কসদৃশ হবে। মেমরি ও প্রসেসরের দূরত্ব কমবে, AI মানুষের ব্যবহৃত যন্ত্রের আরও কাছে পৌঁছবে এবং স্যাটেলাইট, কৃষি, শিল্প ও চিকিৎসা—সব ক্ষেত্রেই স্থানীয়ভাবে বুদ্ধিমান সিদ্ধান্ত নেওয়া সম্ভব হবে।
সিলিকনের যুগ শেষ হয়ে যাচ্ছে—এমন নয়। বরং সিলিকনের পাশে অণু, আলো, জীববিজ্ঞান এবং কৃত্রিম সিন্যাপ্স নিয়ে কম্পিউটিংয়ের একটি নতুন যুগ শুরু হচ্ছে। আর সেই নতুন যুগের নির্মাণে ভারতের, এমনকি বাংলারও, একটি উল্লেখযোগ্য নাম হয়ে উঠছেন শ্রীতোষ গোস্বামী।