Road to scalability for efficient graph search on massively parallel neuromorphic hardware
यह शोध पत्र NEURO-MAPP को प्रस्तुत करता है, जो SpiNNaker 2 न्यूरोमॉर्फिक हार्डवेयर पर कार्यान्वित एक वितरित शॉर्टेस्ट पाथ एल्गोरिदम है, जो विभिन्न प्रकार के ग्राफों के लिए पारंपरिक CPU-आधारित डिज्कस्ट्रा (Dijkstra's) एल्गोरिदम की तुलना में बेहतर स्केलेबिलिटी और ऊर्जा दक्षता प्रदर्शित करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
मुख्य विचार: भीड़ में सबसे तेज़ रास्ता खोजना
कल्पना कीजिए कि आप एक विशाल, भीड़भाड़ वाले शहर में हैं और आपको अपने घर से अपने दोस्त के घर तक का सबसे छोटा रास्ता खोजना है। आपके पास इसे करने के दो तरीके हैं:
- "सुपर-प्लानर" (CPU): आप एक अविश्वसनीय रूप से बुद्धिमान, तेज़ बोलने वाले व्यक्ति को काम पर रखते हैं (एक पारंपरिक कंप्यूटर प्रोसेसर)। वह एक डेस्क पर बैठता है, एक विशाल मानचित्र देखता है, और व्यवस्थित रूप से एक-एक करके हर संभावित मार्ग की जांच करता है, साथ ही बेहतरीन विकल्पों की एक सूची भी रखता है। वह बहुत अच्छा है, लेकिन वह एक समय में केवल एक ही काम कर सकता है।
- "हाइव माइंड" (न्यूरोमॉर्फिक चिप): एक व्यक्ति के बजाय, आप 152 छोटे, कम ऊर्जा वाले श्रमिकों (SpiNNaker 2 चिप के कोर) को काम पर रखते हैं। आप प्रत्येक श्रमिक को शहर का एक छोटा पड़ोस सौंप देते हैं। एक केंद्रीय बॉस से बात करने के बजाय, वे अपने निकटतम पड़ोसियों को चिल्लाकर बताते हैं, "हे, मुझे एक शॉर्टकट मिल गया!" यदि कोई पड़ोसी बेहतर रास्ता सुनता है, तो वे अपने पड़ोसियों को चिल्लाकर बताते हैं। सभी एक साथ काम करते हैं, "टेलीफोन" गेम की तरह संदेश पास करते हैं, लेकिन गणित के साथ।
यह पेपर इस "टेलीफोन" गेम खेलने के एक नए तरीके को पेश करता है, जिसे NEURO-MAPP कहा जाता है। शोधकर्ताओं ने यह देखना चाहा कि क्या यह "हाइव माइंड" दृष्टिकोण "सुपर-प्लानर" की तुलना में तेज़ी से रास्ता खोज सकता है और कम ऊर्जा का उपयोग कर सकता है।
NEURO-MAPP कैसे काम करता है: "ऐड और मिन" (जोड़ें और न्यूनतम करें) गेम
पारंपरिक "सुपर-प्लानर" पद्धति (डाइक्ストラ एल्गोरिदम) में, कंप्यूटर को लगातार रुकना, अपनी सूची को व्यवस्थित करना और सबसे अच्छा विकल्प चुनना पड़ता है। यह एक लाइब्रेरियन की तरह है जिसे अगले कदम से पहले सही किताब खोजने के लिए हर शेल्फ तक जाना पड़ता है।
NEURO-MAPP "हाइव माइंड" हार्डवेयर के अनुकूल होने के लिए नियमों को बदल देता है:
- द ऐड (जोड़ना): जब कोई श्रमिक एक रास्ता खोजता है, तो वे अभी-अभी तय किए गए रास्ते की "लागत" (दूरी) को अपने वर्तमान कुल योग में जोड़ देते हैं।
- द मिन (न्यूनतम करना): जब एक श्रमिक पड़ोसी से संदेश प्राप्त करता है कि "मैं वहां 10 कदमों में पहुँच सकता हूँ," तो वे इसकी तुलना अपने मौजूदा ज्ञान से करते हैं। यदि 10 उनके वर्तमान सर्वश्रेष्ठ से बेहतर है, तो वे अपने नंबर को अपडेट करते हैं और अपने पड़ोसियों को चिल्लाकर बताते हैं।
चूंकि प्रत्येक श्रमिक यह कार्य एक साथ करता है, इसलिए "सबसे अच्छा रास्ता" बिना किसी के मास्टर लिस्ट को व्यवस्थित किए, पूरे शहर में एक लहर की तरह एक साथ फैलता है।
दौड़: कौन जीतता है?
शोधकर्ताओं ने एक सिंगल चिप (SpiNNaker 2) पर एक आधुनिक कंप्यूटर प्रोसेसर (CPU) के विरुद्ध इसका परीक्षण किया। उन्होंने चार अलग-अलग प्रकार के "शहरों" पर यह दौड़ आयोजित की:
- रैंडम शहर (यादृच्छिक शहर): जहाँ सड़कें बेतरतीब ढंग से जुड़ी होती हैं।
- परिणाम: छोटे शहरों के लिए, सुपर-प्लानर तेज़ था। लेकिन जैसे ही शहर बहुत बड़ा (30,000 इंटरसेक्शन से अधिक) हुआ, हाइव माइंड ने बढ़त बना ली और लगभग 25% तेज़ी से काम पूरा किया।
- स्मॉल-वर्ल्ड शहर: जैसे सोशल नेटवर्क या पावर ग्रिड, जहाँ अधिकांश पड़ोसी पास होते हैं, लेकिन कुछ "एक्सप्रेस लेन" दूर के हिस्सों को जोड़ती हैं।
- परिणाम: इन शहरों के बड़े संस्करणों के लिए हाइव माइंड बहुत तेज़ था।
- ग्रिड शहर: जैसे एक सटीक शहर जिसमें सीधी सड़कें हों (2D या 3D ग्रिड)।
- परिणाम: सरल 3D ग्रिड में, सुपर-प्लानर अभी भी थोड़ा तेज़ था। हालाँकि, जटिल 5D ग्रिड (जो बहुत जटिल डेटा का प्रतिनिधित्व करते हैं) में, हाइव माइंड विजेता बन गया।
- वास्तविक दुनिया के शहर:
- सड़कें: वास्तविक जर्मन रोड मैप्स पर, सुपर-प्लानर वर्तमान में तेज़ था क्योंकि नक्शे अभी इतने बड़े नहीं थे कि हाइव माइंड की पूरी शक्ति दिखाई जा सके।
- शहर में ड्रोन: ड्रोन के लिए 3D शहरी वातावरण (इमारतों से बचते हुए) को मैप करते समय, हाइव माइंड काफी तेज़ था और इसने 10 गुना कम ऊर्जा का उपयोग किया।
- प्रोटीन नेटवर्क: मानव शरीर में प्रोटीन कैसे परस्पर क्रिया करते हैं, इसके जैविक मानचित्रों में, हाइव माइंड ने बहुत कम ऊर्जा का उपयोग किया, भले ही काम पूरा करने में उसे थोड़ा अधिक समय लगा हो।
ऊर्जा का कारक: बैटरी टेस्ट
सबसे रोमांचक खोज केवल गति नहीं थी; बल्कि ऊर्जा थी।
- "सुपर-प्लानर" (CPU) एक हाई-परफॉर्मेंस स्पोर्ट्स कार की तरह है: यह तेज़ चलती है, लेकिन यह बहुत अधिक ईंधन (बिजली) पीती है।
- "हाइव माइंड" (SpiNNaker 2) इलेक्ट्रिक स्कूटरों के बेड़े की तरह है: व्यक्तिगत रूप से वे शायद धीमे लग सकते हैं, लेकिन क्योंकि वे बहुत सारे मिलकर कुशलता से काम करते हैं, इसलिए पूरा समूह ऊर्जा के एक बहुत छोटे अंश का उपयोग करता है।
लगभग हर परीक्षण में, हाइव माइंड ने CPU की तुलना में प्रति क्वेरी कम ऊर्जा का उपयोग किया, भले ही CPU कार्य को थोड़ा तेज़ी से पूरा कर चुका हो।
यह क्यों महत्वपूर्ण है (पेपर के अनुसार)
पेपर का दावा है कि यह "हाइव माइंड" दृष्टिकोण एक स्केलेबल समाधान है।
- स्केलेबिलिटी (विस्तार क्षमता): यदि आपको एक पूरे देश के आकार के शहर के लिए समस्या हल करनी है, तो आप बस नेटवर्क में और अधिक चिप्स (अधिक श्रमिक) जोड़ सकते हैं। सिस्टम स्वाभाविक रूप से बढ़ता है।
- बहुमुखी प्रतिभा: शोधकर्ताओं ने दिखाया कि यह न केवल ड्राइविंग दिशाओं के लिए, बल्कि निम्नलिखित के लिए भी काम करता है:
- गगनचुंबी इमारतों के बीच ड्रोन की उड़ान की योजना बनाना।
- मानव शरीर में प्रोटीन कैसे परस्पर क्रिया करते हैं, इसका विश्लेषण करना।
- Isomap नामक विधि का उपयोग करके जटिल डेटा को सरल बनाना (जैसे 10-आयामी आकार को 3D मानचित्र में बदलना)।
निचोड़
पेपर का तर्क है कि विशाल, जटिल समस्याओं के लिए, सोचने का पुराना तरीका (एक मस्तिष्क जो सब कुछ करता है) एक दीवार से टकरा रहा है। नया तरीका (कई छोटे मस्तिष्क जो स्थानीय रूप से एक-दूसरे से बात करते हैं) भविष्य है। यह केवल तेज़ होने के बारे में नहीं है; यह विशाल समस्याओं को दुनिया की सारी बिजली जलाए बिना हल करने के बारे में है।
नोट: लेखक इस बात पर ज़ोर देते हैं कि हालांकि उनका वर्तमान चिप (SpiNNaker 2) विशिष्ट है, लेकिन इस एल्गोरिदम का विचार किसी भी ऐसे सिस्टम पर काम कर सकता है जिसमें कई स्वतंत्र प्रोसेसर हैं जो एक-दूसरे से तेज़ी से बात कर सकते हैं, जैसे कि अन्य विशेष कंप्यूटर चिप्स जिन्हें मस्तिष्क जैसी कंप्यूटिंग के लिए डिज़ाइन किया गया है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।