AMD Versal AI-Engines for fixed latency environments
تقيم هذه الورقة مدى جدوى نشر محركات الذكاء الاصطناعي من طراز AMD Versal لتطبيقات تعلم الآلة ذات زمن التأخير الثابت في تجارب فيزياء الطاقة العالية، وذلك من خلال إثبات أداء أشجار القرار المعززة والشبكات العصبية الالتفافية الموجهة كبدائل للمنطق القابل للبرمجة التقليدي.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تدير محطة قطارات ضخمة وعالية السرعة (مصادم الهادرونات الكبير). في كل ثانية، تصطدم آلاف القطارات (الجسيمات) ببعضها البعض، مما يخلق انفجاراً فوضوياً من الحطام. مهمتك هي أن تقرر في لمح البصر، أي قطع الحطام تستحق الاحتفاظ بها وأيها مجرد غبار ممل يجب التخلص منه.
المشكلة؟ المحطة تزداد ازدحاماً. في المستقبل، سينفجر عدد الاصطدامات، وستكون كمية البيانات المتولدة هائلة لدرجة لا تُصدق. إذا حاولت إرسال كل تلك البيانات إلى مكتب مركزي ليتم فرزها لاحقاً، فسوف ينهار المكتب تحت وطأة هذا الثقل. أنت بحاجة إلى طريقة لاتخاذ قرارات ذكية في قلب المنصة مباشرة، وبشكل فوري، حتى قبل أن تغادر البيانات المحطة.
هنا يأتي دور الورقة البحثية. إنها تتحدث عن اختبار "عقل ذكي" جديد فائق السرعة (رقاقة) لمساعدة في اتخاذ هذه القرارات في أجزاء من الثانية.
المشكلة: الكثير من البيانات، والقليل من الوقت
تقليدياً، تُتخذ هذه القرارات باستخدام "منطق قابل للبرمجة" (مثل آلة حاسبة سريعة جداً ولكنها جامدة). ولكن مع ازدياد تعقيد البيانات، نحتاج إلى استخدام تعلم الآلة (ML) — وهو نوع من الذكاء الاصطناعي الذي يتعلم الأنماط، مثل التعرف على وجه في وسط حشد.
العقبة هي أنك في تجربة فيزياء الجسيمات، لديك ميكروثانية (جزء من مليون من الثانية) فقط لاتخاذ القرار. إذا استغرق الذكاء الاصطناعي الخاص بك ولو جزءاً بسيطاً من الثانية، فستضيع البيانات للأبد. الأمر يشبه محاولة فرز كومة من الرسائل أثناء ركض ماراثون؛ يجب أن تكون سريعاً، ولكن يجب أن تكون ذكياً أيضاً.
الحل: رقاقة "Versal" مع محركات الذكاء الاصطناعي (AI Engines)
اختبر المؤلفون نوعاً جديداً من الرقائق من شركة AMD تسمى Versal. فكر في هذه الرقاقة ليس كعقل واحد، بل كـ أرض مصنع ضخمة.
داخل هذا المصنع، يوجد مئات العمال المتخصصين الصغار المسمى محركات الذكاء الاصطناعي (AIEs).
- تخطيط المصنع: هؤلاء العمال مرتبون في شبكة (مثل لوحة الشطرنج).
- التخصص: على عكس وحدة المعالجة المركزية (CPU) القياسية التي تحاول القيام بكل شيء واحداً تلو الآخر، تم تصميم محركات الذكاء الاصطنا هذه للقيام بالعديد من المهام الرياضية البسيطة في نفس الوقت تماماً (المعالجة المتوازية).
- الهدف: معرفة ما إذا كان هؤلاء العمال الصغار يمكنهم تعلم التعرف على أنماط الجسيمات المعقدة بسرعة كافية لحفظ البيانات.
الاختبار: نوعان من "الفرز الذكي"
اختبر الباحثون نوعين مختلفين من "الفرز الذكي" القائم على الذكاء الاصطناعي على عمال هذا المصنع لمعرفة ما إذا كان بإمكانهم إنجاز المهمة:
"شجرة القرار" (BDT):
- التشبيه: تخيل لعبة "العشرين سؤالاً". أنت تطرح سلسلة من الأسئلة التي تكون إجابتها نعم أو لا لمعرفة ماهية الشيء. "شجرة القرار المعززة" (BDT) تشبه وجود 64 شخصاً مختلفاً يطرحون الأسئلة في وقت واحد.
- الاختبار: قاموا ببرمجة محركات الذكاء الاصطناعي لطرح هذه الأسئلة بشكل متوازٍ.
- النتيجة: لقد نجح الأمر! استطاع عمال المصنع طرح جميع الأسئلة وإعطاء إجابة في حوالي 3.2 ميكروثانية. هذا سريع بما يكفي لمواكبة حركة محطة القطارات.
"ماسح الصور" (CNN):
- التشبيه: تخيل أنك تنظر إلى صورة لسحابة لترى ما إذا كانت تشبه طائراً. تقوم "الشبكة العصبية الالتفافية" (CNN) بمسح الصورة بنافذة صغيرة، بحثاً عن أنماط (مثل منقار أو أجنحة) وبناء صورة لما تراه.
- الاختبار: علموا محركات الذكاء الاصطناعي كيفية مسح "صور" ترسبات طاقة الجسيمات، بحثاً عن أشكال محددة.
- النتيجة: كان هذا أسرع! استغرق المسح الأول حوالي 2.9 ميكروثانية، ولأن العمال يتمتعون بكفاءة عالية، فقد تمكنوا من إبقاء خط الإنتاج مستمراً بشكل فوري تقريباً بعد ذلك.
لماذا يهم هذا الأمر؟
فكر في النظام الحالي كـ أمين مكتبة واحد يحاول فرز جبل من الكتب. إنه سريع، لكنه لا يستطيع قراءة سوى كتاب واحد في كل مرة.
النظام الجديد (محركات الذكاء الاصطناعي) يشبه توظيف 100 أمين مكتبة يمكنهم قراءة 100 كتاب في نفس الوقت تماماً.
- السرعة: يمكنهم اتخاذ القرارات في أجزاء من الميكروثانية، مما يلبي قواعد "الزمن الثابت" الصارمة للتجربة.
- المرونة: على عكس الآلات الحاسبة القديمة الجامدة، يمكن إعادة برمجة محركات الذكاء الاصطنا هذه لتعلم أنماط جديدة مع زيادة تعقيد التجارب.
- المستقبل: يثبت هذا أنه يمكننا وضع "ذكاء اصطناعي" بجانب المستشعرات مباشرة في أكثر البيئات قسوة. بدلاً من إرسال كل تلك البيانات إلى حاسوب خارق في مركز بيانات، يمكننا تصفية "الأشياء الجيدة" مباشرة عند المصدر.
الخلاصة
تظهر الورقة البحثية أن رقائق "محركات الذكاء الاصطناعي" الجديدة هذه هي نقطة تحول جذري. فهي سريعة بما يكفي لتلعب دور "الحراس" عند باب أكثر مصادمات الجسيمات تعقيداً في العالم، مستخدمة الذكاء الاصطناعي المتقدم لتقرر ما يجب الاحتفاظ به وما يجب التخلص منه، كل ذلك دون أن تفقد وتيرة العمل. قد يكون هذا التكنولوجيا هو المفتاح لفك أسرار الكون في الجيل القادم من تجارب الفيزياء.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.