A-GHOST: High-rate streaming of trigger-level data to programmable GPU inference

उच्च-ऊर्जा भौतिकी की दुनिया में, वैज्ञानिक ब्रह्मांड के मूलभूत निर्माण खंडों को खोजने के लिए कणों को लगभग प्रकाश की गति से आपस में टकराते हैं। ये टकराव इतनी तीव्रता और आवृत्ति के साथ होते हैं कि वे डेटा का एक ऐसा सैलाब उत्पन्न करते हैं जिसे स्थायी रूप से संग्रहीत करना बहुत कठिन है। इस बाढ़ को प्रबंधित करने के लिए, प्रयोग एक परिष्कृत फ़िल्टरिंग प्रणाली पर निर्भर करते हैं जिसे 'ट्रिगर' कहा जाता है। यह प्रणाली एक द्वारपाल की तरह कार्य करती है, जो पलक झपकते ही निर्णय लेती है कि कौन सी टक्कर की घटनाएं इतनी दिलचस्प हैं कि उन्हें रखा जाए और कौन सा साधारण शोर है जिसे हटा दिया जाना चाहिए। दशकों से, यह द्वारपाल कार्य विशेष इलेक्ट्रॉनिक सर्किट द्वारा किया जाता रहा है जो अविश्वसनीय रूप से तेज़ लेकिन कठोर हैं; उन्हें समय के एक निश्चित, सूक्ष्म अंतराल के भीतर निर्णय लेना होता है और वे केवल सरल गणनाएं ही कर सकते हैं। जैसे-जैसे प्रयोग अधिक शक्तिशाली होते जा रहे हैं, उनके द्वारा उत्पादित डेटा इन कठोर सर्किटों की तुलना में अधिक तेज़ी से बढ़ रहा है, जिससे एक ऐसी बाधा उत्पन्न हो रही है जहाँ संभावित रूप से क्रांतिकारी खोजें केवल इसलिए खो सकती हैं क्योंकि सिस्टम उनके साथ तालमेल नहीं बिठा पा रहा है।

शोधकर्ताओं के एक दल ने अब इस समस्या को हल करने का एक नया तरीका प्रदर्शित किया है, जो उस तेज़, कठोर द्वारपाल को बनाए रखता है लेकिन उसके ठीक पीछे एक शक्तिशाली, लचीला सहायक जोड़ देता है। उनका कार्य, जिसे A-GHOST नामक एक अध्ययन में प्रस्तुत किया गया है, एक ऐसी विधि की खोज करता है जहाँ प्रारंभिक इलेक्ट्रॉनिक सर्किट न केवल यह तय नहीं करते कि क्या रखना है, बल्कि प्रत्येक टक्कर का एक संक्षिप्त सारांश स्ट्रीम करते हैं। यह सारांश एक आधुनिक ग्राफिक्स प्रोसेसर को भेजा जाता है, जो वही प्रकार का चिप है जो गेमिंग और आर्टिफिशियल इंटेलिजेंस के लिए उच्च-स्तरीय कंप्यूटरों में पाया जाता है, और यह उन जटिल और रचनात्मक एल्गोरिदम को चलाने में सक्षम है जिन्हें कठोर सर्किट प्रबंधित नहीं कर सकते। विश्लेषण के भारी काम को इस शक्तिशाली प्रोसेसर पर स्थानांतरित करके, वैज्ञानिक उस दर पर डेटा का विश्लेषण कर सकते हैं जो पहले असंभव था, जिससे सूक्ष्म, दुर्लभ घटनाओं का पता लगाने का मार्ग प्रशस्त होता है जिन्हें पुराने, सरल सिस्टम छोड़ देते।

शोधकर्ताओं ने इस विचार का परीक्षण करने के लिए एक प्रोटोटाइप बनाया, जिसमें उच्च-गति कंप्यूटिंग के लिए डिज़ाइन किया गया एक विशेष विकास किट (डेवलपमेंट किट) उपयोग किया गया। वास्तविक प्रयोग के विशाल कण डिटेक्टरों से सीधे जुड़ने के बजाय, उन्होंने एक नियंत्रित लूप बनाया जहाँ एक सॉफ्टवेयर प्रोग्राम कण टकराव से आने वाले डेटा स्ट्रीम का अनुकरण (सिमुलेट) करता था। इस सिम्युलेटेड स्ट्रीम को एक हाई-स्पीड नेटवर्क केबल के माध्यम से भेजा गया और सीधे ग्राफिक्स प्रोसेसर में फीड किया गया। सिस्टम को सामान्य कंप्यूटर चरणों को बायपास करने के लिए डिज़ाइन किया गया था जो चीज़ों को धीमा कर देते हैं, जिससे डेटा सीधे नेटवर्क कार्ड से प्रोसेसर की मेमोरी में भेजा जा सके। इससे टीम को यह देखने की अनुमति मिली कि क्या प्रोसेसर डेटा के आगमन के साथ तालमेल बिठा सकता है, बिना किसी जानकारी को खोए या अभिभूत हुए।

डेटा को उपयोगी बनाने के लिए, शोधकर्ताओं को एक पेचीदा पहेली सुलझानी थी। डेटा छोटे, खंडित पैकेटों में आता है, जैसे कि एक किताब के व्यक्तिगत पन्नों को एक-एक करके खिड़की से फेंका जा रहा हो। हालाँकि, डेटा का विश्लेषण करने के लिए उपयोग किए जाने वाले आर्टिफिशियल इंटेलिजेंस मॉडल को प्रभावी ढंग से काम करने के लिए पूरा पन्ना, या यहाँ तक कि पूरा अध्याय, एक साथ देखने की आवश्यकता होती है। टीम ने एक कस्टम प्रोग्राम लिखा जो एक तीव्र असेंबलर के रूप में कार्य करता है, जो आने वाले इन खंडों को पकड़ता है और उन्हें आते ही पूर्ण, निरंतर डेटा ब्लॉकों में जोड़ देता है। यह असेंबली प्रोसेसर की मेमोरी के भीतर ही तुरंत हुई, जिससे यह सुनिश्चित हुआ कि डेटा बिना किसी देरी या कंप्यूटर के मुख्य प्रोसेसर के माध्यम से इधर-उधर जाने की आवश्यकता के बिना विश्लेषण के लिए तैयार है।

टीम ने तीन अलग-अलग प्रकार के आर्टिफिशियल इंटेलिजेंस मॉडल के साथ इस सिस्टम का परीक्षण किया, जिनमें से प्रत्येक को सिम्युलेटेड टक्कर डेटा में असामान्य पैटर्न को पहचानने के लिए डिज़ाइन किया गया था। एक मॉडल एकल घटनाओं को देखता था, जबकि अन्य जटिल, विकसित होते विसंगतियों (एनोमलीज़) को खोजने के लिए समय के साथ घटनाओं के अनुक्रमों को देखते थे। उन्होंने सिस्टम को उनकी सीमाओं तक पहुँचाया, जिसमें 40 से 100 गीगाबिट प्रति सेकंड की गति से डेटा भेजा गया। उच्चतम गति पर, सिस्टम ने बिना एक भी पैकेट खोए लगभग सारा डेटा सफलतापूर्वक प्राप्त किया। आर्टिफिशियल इंटेलिजेंस मॉडल एक मिलीसेकंड के दसवें हिस्से से भी कम के विलंब के साथ डेटा का विश्लेषण करने में सक्षम थे, जो एक वास्तविक प्रयोग के लिए उपयोगी गति है। सिस्टम घंटों तक बिना विफल हुए चला, जिससे यह सिद्ध हुआ कि हाई-स्पीड नेटवर्किंग और शक्तिशाली ग्राफिक्स प्रोसेसिंग का संयोजन आधुनिक भौतिकी प्रयोगों द्वारा उत्पन्न सूचना के विशाल प्रवाह को संभाल सकता है।

यह परिणाम न केवल गति के कारण, बल्कि इसके द्वारा दी जाने वाली लचीलेपन के कारण महत्वपूर्ण है। जो कठोर सर्किट वर्तमान में डेटा की रक्षा करते हैं, वे समय निर्धारण और प्रारंभिक फ़िल्टरिंग का अपना काम जारी रख सकते हैं, लेकिन उन्हें अब यह तय करने वाला अंतिम शब्द होने की आवश्यकता नहीं है कि क्या दिलचस्प है। डेटा का एक संक्षिप्त सारांश प्रोग्राम करने योग्य प्रोसेसर को स्ट्रीम करके, वैज्ञानिक अब बहुत अधिक परिष्कृत एल्गोरिदम चला सकते हैं जो कई घटनाओं में पैटर्न सीख सकते हैं या विसंगतियों को पहचानने के लिए जटिल जेनेरेटिव मॉडल का उपयोग कर सकते हैं। ये वे कार्य हैं जो वर्तमान कठोर हार्डवेयर के लिए बहुत कठिन या बहुत धीमे हैं। अध्ययन यह दर्शाता है कि यह नया आर्किटेक्चर व्यवहार्य है, जो एक ऐसे पथ की पेशकश करता है जहाँ डेटा प्रवाह कभी भी हार्डवेयर ट्रिगर की सीमाओं से बाधित नहीं होता है, जिससे भौतिक विज्ञानी एक बहुत अधिक सटीक और अनुकूलन योग्य दृष्टि के साथ ब्रह्मांड की खोज कर सकते हैं।