در دسامبر ۱۹۴۷، سه فیزیکدان در آزمایشگاههای تلفن بل (Bell Telephone Laboratories) -جان باردین، ویلیام شاکلی و والتر براتین- یک دستگاه الکترونیکی فشرده ساختند که از سیمهای نازک طلا و تکهای ژرمانیوم تشکیل میشد؛ ژرمانیوم مادهای است که بهعنوان نیمهرسانا شناخته میشود. اختراع آنها که بعدها «ترانزیستور» نام گرفت (و بهخاطر آن در سال ۱۹۵۶ جایزه نوبل دریافت کردند)، میتوانست سیگنالهای الکتریکی را تقویت کند و تغییر وضعیت دهد؛ و این، نقطۀ عطفی در جدایی از لامپهای خلأ حجیم و شکنندهای بود که تا آن زمان نیروی محرک وسایل الکترونیکی بهشمار میرفتند.
مخترعان ترانزیستور در پی ساخت یک محصول مشخص نبودند. آنها پرسشهای بنیادی دربارۀ چگونگی رفتار الکترونها در نیمهرساناها مطرح میکردند و روی «حالات سطحی» و «تحرک الکترونی» در بلورهای ژرمانیوم آزمایش انجام میدادند. پس از ماهها آزمون، خطا و بهبود تدریجی، آنها بینشهای نظری مکانیک کوانتومی را با کار تجربی در فیزیک حالت جامد ترکیب کردند؛ کاری که بسیاری ممکن بود آن را بیش از حد بنیادی، دانشگاهی یا غیرسودآور بدانند.
تلاشهای آنها در لحظهای به ثمر نشست که اکنون بهعنوان طلوع عصر اطلاعات شناخته میشود. ترانزیستورها معمولاً آنقدر که باید، مورد تقدیر قرار نمیگیرند، اما آنها شالودۀ هر گوشی هوشمند، رایانه، ماهواره، دستگاه MRI، سامانه GPS و پلتفرم هوش مصنوعیای هستند که امروز استفاده میکنیم. ترانزیستورها با توانایی شگفتانگیز خود در تنظیم (و هدایت) جریان الکتریسیته با سرعتهای حیرتآور، رایانش و الکترونیک مدرن و آینده را ممکن میسازند.
این جهش علمی از دل یک طرح کسبوکار یا ارائۀ محصول بیرون نیامد. این دستاورد حاصل پژوهشی آزاد، باز و کنجکاویمحور و توسعۀ توانمندساز آن بود که توسط نهادی پشتیبانی میشد که ارزشِ کاوش در ناشناختهها را میدید. این کار سالها آزمون و خطا، همکاری میان رشتههای مختلف و باوری عمیق را میطلبید؛ باوری که میگفت فهم طبیعت -حتی اگر بازده تضمینشدهای نداشته باشد- ارزش تلاشکردن را دارد.
پس از نخستین نمایش موفق ترانزیستور در اواخر ۱۹۴۷، این اختراع محرمانه باقی ماند تا وقتی که آزمایشگاههای بل درخواست ثبت اختراع را ارائه کردند و توسعۀ آن را ادامه دادند. این اختراع در یک کنفرانس خبری در ۳۰ ژوئن ۱۹۴۸، در شهر نیویورک بهطور عمومی اعلام شد. توضیح علمی آن هم در مقالهای بنیادین در مجلۀ Physical Review منتشر شد.
ترانزیستورها چگونه کار میکنند؟ در هستۀ خود، ترانزیستورها از نیمهرساناها ساخته شدهاند -موادی مانند ژرمانیوم و بعدها سیلیکون- که بسته به دستکاریهای ظریف در ساختار و بار آنها، میتوانند برق را هدایت کنند یا در برابر آن مقاومت نشان دهند. در یک ترانزیستور معمولی، یک ولتاژ کوچک که به بخشی از دستگاه (گیت یا دروازه) اعمال میشود، باعث میشود جریان الکتریکی که از بخش دیگری (کانال) عبور میکند یا اجازۀ عبور داشته باشد یا مسدود شود. همین سازوکار کنترل ساده، وقتی میلیاردها بار در مقیاس بزرگ تکرار شود، امکان میدهد گوشیتان برنامهها را اجرا کند، لپتاپتان تصویر تولید کند و موتور جستوجوی شما در چند میلیثانیه پاسخ برگرداند.
هرچند در دستگاههای اولیه از ژرمانیوم استفاده میشد، پژوهشگران خیلی زود دریافتند سیلیکون -که از نظر حرارتی پایدارتر، در برابر رطوبت مقاومتر و بسیار فراوانتر است- برای تولید صنعتی مناسبتر است. تا اواخر دهۀ ۱۹۵۰، گذار به سیلیکون در جریان بود و همین گذار، توسعۀ مدارهای مجتمع و در نهایت ریزپردازندههایی را ممکن ساخت که دنیای دیجیتال امروز را به حرکت درمیآورند.
یک تراشۀ مدرن به اندازۀ ناخن انسان، اکنون دهها میلیارد ترانزیستور سیلیکونی را در خود جای داده است که اندازۀ هر یک از آنها در حد نانومتر است؛ کوچکتر از بسیاری ویروسها. این کلیدهای بسیار ریز در هر ثانیه میلیاردها بار روشن و خاموش میشوند و جریان سیگنالهای الکتریکی دخیل در محاسبه، ذخیرهسازی داده، پردازش صوتی و تصویری و هوش مصنوعی را کنترل میکنند. آنها زیرساخت بنیادی تقریباً هر دستگاه دیجیتالِ در حال استفادۀ امروز را تشکیل میدهند.
امروزه صنعت جهانی نیمهرسانا ارزشی بیش از نیمتریلیون دلار دارد. دستگاههایی که زمانی تنها نمونههای آزمایشی در یک آزمایشگاه فیزیک بودند، اکنون تکیهگاه اقتصادها، امنیت ملی، مراقبتهای بهداشتی، آموزش و ارتباطات جهانی هستند. اما داستان خاستگاه ترانزیستور درس عمیقتری در خود دارد؛ درسی که در معرض فراموش شدن است.
بخش بزرگی از فهم بنیادیای که فناوری ترانزیستور را پیش برد، از پژوهشهای دانشگاهی با بودجۀ فدرال حاصل شد. نزدیک به یکچهارم تحقیقات مربوط به ترانزیستور در آزمایشگاههای بل در دهۀ ۱۹۵۰، توسط دولت فدرال پشتیبانی میشد. بخش زیادی از بقیه نیز از درآمد حاصل از انحصار AT&T بر نظام تلفن ایالات متحده تأمین میشد؛ درآمدی که به پژوهش و توسعۀ صنعتی سرازیر میگشت.
به الهام از گزارش سال ۱۹۴۵ با عنوان «علم: مرزِ بیپایان» که وانهوار بوش به درخواست رئیسجمهور ترومن نوشت، دولت آمریکا سنت دیرپای سرمایهگذاری در پژوهش بنیادی را آغاز کرد. این سرمایهگذاریها در حوزههای متعدد علمی سودی پیوسته به بار آوردهاند؛ از انرژی هستهای تا لیزرها و از فناوریهای پزشکی تا هوش مصنوعی. نسلهای متعددی از دانشجویان، آموزشدیده در پژوهش بنیادی، از آزمایشگاههای دانشگاهی بیرون آمدهاند و دانش و مهارت لازم برای فراتر راندن فناوری موجود از مرزهای شناختهشدۀ آن را کسب کردهاند.
با این حال، تأمین مالی علم بنیادی -و تأمین مالی آموزش کسانی که میتوانند آن را پی بگیرند- زیر فشار فزاینده قرار دارد. بودجۀ پیشنهادی دولت فدرال از سوی کاخ سفید جدید، شامل کاهشهای عمیق در بودجۀ وزارت انرژی و بنیاد ملی علوم (NSF) است (هرچند ممکن است کنگره از این پیشنهادها منحرف شود). تاکنون، انستیتوی ملی سلامت (NIH) بیش از ۱.۹ میلیارد دلار از کمکهزینههای خود را لغو یا متوقف کرده و برنامههای آموزش STEM بنیاد ملی علوم با بیش از ۷۰۰ میلیون دلار قطع بودجه روبهرو شدهاند.
این کاهشها بعضی دانشگاهها را وادار کرده است که پذیرش دانشجویان تحصیلات تکمیلی را متوقف کنند، کارآموزیها را لغو کنند و فرصتهای پژوهشی تابستانی را کاهش دهند؛ و این، پیگیری مسیرهای شغلی علمی و مهندسی را برای جوانان دشوارتر میسازد. در عصری که معیارهای کوتاهمدت و بازده سریع بر آن حاکم است، توجیه پژوهشی که کاربردهای آن شاید تا دههها بعد ظاهر نشود، دشوار است. اما دقیقاً همین نوع تلاشهاست که اگر بخواهیم آیندۀ فناوری خود را تضمین کنیم، باید از آنها حمایت کنیم.
به جان مککارتی فکر کنید؛ ریاضیدان و دانشمند کامپیوتری که اصطلاح «هوش مصنوعی» را وضع کرد. او در اواخر دهۀ ۱۹۵۰، زمانی که در MIT بود، یکی از نخستین گروههای پژوهشی AI را رهبری میکرد و زبان برنامهنویسی لیسپ (Lisp) را توسعه داد؛ زبانی که هنوز هم در محاسبات علمی و کاربردهای هوش مصنوعی مورد استفاده است. در آن زمان، هوش مصنوعی عملی بسیار دور از دسترس به نظر میرسید. اما آن کارهای بنیادی اولیه، زیرساخت دنیای امروزِ متکی بر هوش مصنوعی را پیریزی کرد.
پس از شور و شوق اولیۀ دهۀ ۱۹۵۰ تا ۱۹۷۰، علاقه به شبکههای عصبی -یکی از معماریهای پیشروی هوش مصنوعی که از مغز انسان الهام گرفته است- در طول «زمستانهای AI» در اواخر دهۀ ۱۹۹۰ و اوایل دهۀ ۲۰۰۰ کاهش یافت. محدودیت داده، توان محاسباتی ناکافی و شکافهای نظری، پیشرفت این حوزه را دشوار کرده بود. با این حال، پژوهشگرانی مانند جفری هینتون و جان هاپفیلد به کار خود ادامه دادند. هاپفیلد که اکنون برندۀ جایزه نوبل فیزیک ۲۰۲۴ است، نخستین بار مدل شبکۀ عصبی تحولآفرین خود را در سال ۱۹۸۲، در مقالهای منتشر شده در مجلۀ Proceedings of the National Academy of Sciences of the USA معرفی کرد. کار او پیوندهای عمیق میان محاسبۀ جمعی و رفتار سامانههای مغناطیسی بینظم را آشکار کرد. همراه با کار همکارانی از جمله هینتون -که او هم همان سال نوبل دریافت کرد- این پژوهشهای بنیادی بذر انفجار فناوریهای یادگیری عمیقی را کاشت که امروز شاهد آن هستیم.
یکی از دلایل شکوفایی کنونی شبکههای عصبی، واحد پردازش گرافیکی یا GPU است؛ تراشهای که در اصل برای بازیهای رایانهای طراحی شده بود، اما اکنون برای انجام عملیات ماتریسی سنگین در AI ضروری است. خودِ این تراشهها بر دههها پژوهش بنیادی در علم مواد و فیزیک حالت جامد تکیه دارند: موادی با ثابت دیالکتریک بالا، آلیاژهای سیلیکون کشیدهشده و دیگر پیشرفتهایی که امکان تولید کارآمدترین ترانزیستورهای ممکن را فراهم کردهاند. اکنون در حال ورود به مرزهای تازهای هستیم؛ در حال کاوش ممریستورها، مواد تغییر فازدهنده، مواد دوبعدی و ادوات اسپینترونیکی.
اگر این متن را روی گوشی یا لپتاپ میخوانید، در واقع در حال استفاده از نتیجۀ قماری هستید که روزی کسی روی «کنجکاوی» انجام داده است. همین کنجکاوی هنوز هم در دانشگاهها و آزمایشگاههای پژوهشی زنده است؛ در کارهای اغلب نهچندان جذاب و گاه نامأنوس که در سکوت، در حال پیریزی انقلابهایی هستند که ۵۰ سال بعد به عمیقترین جنبههای زندگی ما نفوذ خواهند کرد. در مجلۀ پیشروی فیزیک که من سردبیر آن هستم، همکارانم و من، رنج و دقتی را که پشت هر مقالهای نهفته است، میبینیم. اقتصاد مدرن ما -با غولهایی مانند انویدیا، مایکروسافت، اپل، آمازون و آلفابت- بدون ترانزیستور فروتن و اشتیاق به دانشی که آتش کنجکاوی بیامان دانشمندانی مانند سازندگان آن را شعلهور نگه میدارد، قابل تصور نبود.
ترانزیستور بعدی ممکن است اصلاً شبیه یک کلید نباشد. ممکن است از دل گونههای تازهای از مواد (مانند مواد کوانتومی، مواد هیبریدی آلی-معدنی یا مواد سلسلهمراتبی) یا ابزارهایی که هنوز حتی تصورشان را هم نمیکنیم، سربرآورد. اما به همان عناصر نیاز خواهد داشت: دانش بنیادی محکم، منابع، و آزادی برای پیگیری پرسشهای بازی که از کنجکاوی و همکاری تغذیه میشوند؛ و مهمتر از همه، پشتیبانی مالی از سوی کسی که باور دارد این ریسک ارزشش را دارد.
[i] جولیا آر. گریر یک دانشمند علم مواد در مؤسسه فناوری کالیفرنیا (Caltech) است. او داور برنامۀ «نوآوران زیر ۳۵ سال» در MIT Technology Review و خود نیز برگزیدۀ پیشین این برنامه (در سال ۲۰۰۸) است.
آیا نیاز به تهیه نسخه چاپی مجلات دارید؟
شما میتوانید با خرید اشتراک به نسخه چاپی مجلات ما دسترسی داشته باشید.
