हो, प्रकाश-चुम्बक नियन्त्रित चिपले कम ऊर्जा खपतमा एआई कम्प्युटिङ सम्भव बनाउन सक्छ
अनुसन्धानकर्ताहरूले नयाँ प्रकारको मेमोरी सेल विकास गरेका छन् जसले जानकारी भण्डारण गर्न र उच्च गतिमा, उच्च दक्षताका गणनाहरू गर्न सक्दछ।
यो मेमोरी सेलले प्रयोगकर्ताहरूलाई मेमोरी एरेभित्र उच्च गतिको गणनाहरू सञ्चालन गर्न सक्षम बनाउने अनुसन्धानकर्ताहरूले अक्टोबर २३ मा नेचर फोटोनिक्स जर्नलमा रिपोर्ट गरेका छन्। यो छिटो प्रोसेसिङ गति र कम ऊर्जा खपतले कृत्रिम बुद्धिमत्ता (एआई) प्रणालीहरूको लागि डाटा सेन्टरहरूको आकार विस्तार गर्न मद्दत गर्न सक्छ।
“डाटा सेन्टरहरू वा कम्प्युटिङ फार्महरू जसमा हजारौं GPU (ग्राफिक्स प्रोसेसिङ युनिटहरू) एकै समयमा चलिरहेका हुन्छन्, तिनीहरूको विस्तार गर्न धेरै शक्ति र ऊर्जा खर्च भइरहेको छ,” अध्ययनका सह-लेखक नाथन यङब्लड, पिट्सबर्ग विश्वविद्यालयका इलेक्ट्रिकल र कम्प्युटर इन्जिनियरले लाइभ साइन्सलाई भने। “र समाधान भनेको सबै कुरा अधिक कुशल बनाउनुपर्ने भन्ने छैन। यसका लागि थप GPU किनेर र थप शक्ति खर्च गरेर मात्र गरिँदै आएको छ। यदि अप्टिक्सले उस्तै समस्या समाधान गर्न सक्छ र यो कुशल र छिटो गर्न सक्छ भने, यसले ऊर्जा खपत घटाउने र उच्च थ्रुपुट मेशिन लर्निङ प्रणालीहरू विकास गर्न सहयोग पुर्याउने आशा गरिन्छ।”
यो नयाँ सेलले प्रकाशको संकेतलाई चुम्बकीय क्षेत्रहरू प्रयोग गरेर घडीको दिशामा वा उल्टो दिशामा एउटा घेरा-जस्तो अनुनादकबाट निर्देशित गर्दछ, जुन विशेष तरंगदैर्ध्यको प्रकाशलाई बलियो बनाउँछ, र दुई आउटपुट पोर्टमध्ये कुनै एकमा पठाउँछ।
हरेक आउटपुट पोर्टमा प्रकाशको तीव्रतामा भरपर्दै, मेमोरी सेलले शून्यदेखि एक बीचको, वा शून्यदेखि माइनस एक बीचको संख्यालाई एनकोड गर्न सक्छ। परम्परागत मेमोरी सेलहरू जसले केवल शून्य वा एकको मानलाई एउटा बिटमा एनकोड गर्छन्, त्यसको विपरीत, नयाँ सेलले केही गैर-पूर्णांक मानहरूलाई एनकोड गर्न सक्छ, जसले प्रति सेल ३.५ बिटसम्म भण्डारण गर्न सक्षम बनाउने लाइभसाइन्सले उल्लेख गरेको छ।
यी उल्टो र घडीको दिशामा चल्ने प्रकाश संकेतहरू “दुई धावकहरू ट्र्याकमा विपरीत दिशामा दौडिरहेका जस्तै हुन्, जहाँ एकको अगाडि सधैं हावा हुन्छ र अर्कोको पछाडि। त्यसैले एकले अर्कोको भन्दा छिटो दौडन सक्छ,” यङब्लडले भने। “तपाईं यी दुई धावकहरू ट्र्याकमा दौडिरहेको गतिलाई तुलना गर्दै हुनुहुन्छ, र यसले सकारात्मक र नकारात्मक दुवै संख्यालाई आधारभूत रूपमा कोड गर्न मद्दत पुर्याउँछ।”
यो रिङ रेजोनेटर वरिपरि भएको यो दौडबाट प्राप्त संख्याहरूले कृत्रिम न्यूरल नेटवर्कहरूका नोडहरू बीचका जडानहरूलाई बलियो वा कमजोर बनाउन प्रयोग गर्न सकिन्छ। यी नेटवर्कहरू मेसिन लर्निङ एल्गोरिदमहरू हुन्, जसले मानव मस्तिष्कको जस्तै तरिकामा डेटा प्रक्रिया गर्छन्। उदाहरणका लागि, यसले न्यूरल नेटवर्कलाई तस्वीरमा वस्तुहरू पहिचान गर्न मद्दत गर्न सक्छ, यङब्लडले भने।
परम्परागत कम्प्युटरहरूले केन्द्रीय प्रोसेसिङ युनिटमा गणना गर्छन् र त्यसपछि नतिजा मेमोरीमा पठाउँछन्। तर, नयाँ मेमोरी सेलहरूले मेमोरी एरेभित्रै उच्च गतिको गणना गर्छन्। मेमोरीभित्रको कम्प्युटिङ विशेषगरी तीव्र रूपमा धेरै डेटा प्रशोधन गर्नुपर्ने कृत्रिम बुद्धिमत्ताजस्ता अनुप्रयोगहरूका लागि उपयोगी हुन्छ, उनले थपे।
यङब्लडका अनुसार अनुसन्धानकर्ताहरूले म्याग्नेटो-अप्टिक सेलहरूको टिकाउपन पनि प्रदर्शन गरे। तिनीहरूले सेलहरूमा २ अर्बभन्दा बढी लेख्ने र मेटाउने चक्रहरू चलाए, तर प्रदर्शनमा कुनै गिरावट देखेनन्। यो अघिल्लो फोटोनिक मेमोरी प्रविधिहरूको तुलनामा १,००० गुणा सुधार हो भनेर अनुसन्धानकर्ताहरूले लेखे। सामान्यतया, फ्ल्यास ड्राइभहरू १०,००० देखि १,००,००० लेख्ने र मेटाउने चक्रहरूमा सीमित हुन्छन्।
भविष्यमा यङब्लड र उनका सहकर्मीहरूले एउटा कम्प्युटर चिपमा धेरै सेलहरू राखेर थप जटिल गणना गर्न प्रयास गर्ने आशा गरेका छन्। अन्ततः, यस प्रविधिले कृत्रिम बुद्धिमत्ता प्रणालीहरू चलाउन आवश्यक हुने ऊर्जा घटाउन मद्दत गर्न सक्ने यङब्लडलाई उद्धृत गर्दै लाइसाइन्सले उल्लेख गरेको छ।
