Wavelength-Division-Multiplexed Photonic Tensor Core Using Nonvolatile and Volatile Weighting with a General Matrix-Multiply Compiler
यह शोध पत्र एक वेवलेंथ-डिवीजन-मल्टीप्लेक्सड फोटोनिक टेंसर कोर के डिजाइन, निर्माण और प्रयोगात्मक प्रदर्शन को प्रस्तुत करता है जो उच्च-दक्षता वाले मैट्रिक्स गुणन को प्राप्त करने के लिए एक कस्टम कंपाइलर द्वारा समर्थित, नॉनवोलेटाइल फेज-चेंज मेमोरी और वोलेटाइल थर्मो-ऑप्टिक वेटिंग दोनों को एकीकृत करता है, जिसका अनुमानित प्रदर्शन 8.75 TOPS और 3.04 TOPS/W तक पहुँचता है।
मूल पेपर CC BY 4.0 (https://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
आधुनिक दुनिया में, आर्टिफिशियल इंटेलिजेंस एक शक्तिशाली शक्ति बन गया है, जो मेडिकल डायग्नोस्टिक्स से लेकर स्वायत्त वाहनों (ऑटोनॉमस व्हीकल्स) तक सब कुछ संचालित कर रहा है। हालाँकि, इस बुद्धिमत्ता की एक भारी कीमत है: इन प्रणालियों को चलाने वाले विशाल कंप्यूटर चिप्स अपनी भौतिक सीमाओं तक पहुँच रहे हैं। वे जटिल गणनाओं की बढ़ती मांग के साथ तालमेल बिठाने के लिए बहुत बड़े, बहुत धीमे और बहुत अधिक ऊर्जा की भूखे होते जा रहे हैं। इसे हल करने के लिए, वैज्ञानिक प्रकाश की ओर देख रहे हैं। पारंपरिक कंप्यूटरों की तरह सूचना को सिलिकॉन तारों के माध्यम से ले जाने के लिए बिजली का उपयोग करने के बजाय, शोधकर्ता गणना करने के लिए फोटोन, या प्रकाश के कणों का उपयोग करने के तरीकों की खोज कर रहे हैं। प्रकाश तेजी से यात्रा कर सकता है और कम गर्मी के साथ अधिक डेटा ले जा सकता है, जो ऐसी मशीनों के लिए एक संभावित मार्ग प्रदान करता है जो अविश्वसनीय रूप से तेज़ और उल्लेखनीय रूप से कुशल दोनों हों। चुनौती एक ऐसा चिप बनाने की रही है जो न केवल प्रकाश का मार्गदर्शन कर सके बल्कि इसका उपयोग उस विशिष्ट, भारी-भरकम गणित को करने के लिए भी कर सके जिसकी आर्टिफिशियल इंटेलिजेंस को आवश्यकता होती है, जिसे मैट्रिक्स मल्टीप्लिकेशन (मैट्रिक्स गुणन) के रूप में जाना जाता है, बिना सटीकता या स्थिरता खोए।
शोधकर्ताओं की एक टीम ने अब एक नए प्रकार का कंप्यूटर चिप डिजाइन और परीक्षण करके एक महत्वपूर्ण कदम आगे बढ़ाया है जो इन आवश्यक गणनाओं को करने के लिए प्रकाश का उपयोग करता है। उन्होंने एक उपकरण बनाया जिसे 'फोटोनिक टेंसर कोर' कहा जाता है, जो आर्टिफिशियल इंटेलिजेंस के पीछे के गणित के लिए एक विशेष इंजन के रूप में कार्य करता है। टीम ने इस इंजन के दो अलग-अलग संस्करण बनाए ताकि वे देख सकें कि वे विभिन्न प्रकार के कार्यों को कैसे संभाल सकते हैं। एक संस्करण एक विशेष सामग्री का उपयोग करता है जो बिना बिजली की आवश्यकता के जानकारी को स्थायी रूप से संग्रहीत कर सकती है, ठीक वैसे ही जैसे एक डिजिटल मेमोरी जो कभी नहीं भूलती। दूसरा संस्करण एक तेजी से समायोज्य (एडजस्टेबल) प्रणाली का उपयोग करता है जो पलक झपकते ही अपनी सेटिंग्स बदल सकती है, जिससे यह नए डेटा के अनुकूल तेजी से ढल सकती है। दोनों संस्करण 'वेवलेंथ-डिवीजन मल्टीप्लेक्सिंग' नामक तकनीक पर निर्भर करते हैं, जो चिप को प्रकाश के विभिन्न रंगों का उपयोग करके एक साथ डेटा के कई प्रवाह भेजने की अनुमति देता है, ठीक वैसे ही जैसे एक राजमार्ग में एक एकल सड़क की तुलना में अधिक यातायात ले जाने के लिए कई लेन होती हैं।
शोधकर्ताओं ने सफलतापूर्वक इन चिप्स का निर्माण किया और यह देखने के लिए उनका परीक्षण किया कि वे वास्तविक दुनिया के कार्यों को कितनी अच्छी तरह से कर सकते हैं। उन्होंने पाया कि स्थायी सामग्री का उपयोग करने वाला संस्करण अत्यंत ऊर्जा-कुशल था, जो अपनी सेटिंग्स को बनाए रखने के लिए लगभग शून्य बिजली की खपत करता है, जिससे यह उन उपकरणों के लिए आदर्श बन जाता है जिन्हें एक ही बैटरी पर लंबे समय तक चलने की आवश्यकता होती है। समायोज्य संस्करण, हालांकि अपनी सेटिंग्स बदलने के लिए थोड़ी अधिक बिजली का उपयोग करता है, उच्च सटीकता प्रदान करता है और तेजी से पुनर्गठित हो सकता है, जो इसे उन कार्यों के लिए बेहतर बनाता है जिनमें निरंतर अपडेट की आवश्यकता होती है। इस प्रणाली के काम करने को सिद्ध करने के लिए, टीम ने छवियों (इमेज) को प्रोसेस करने के लिए इसका उपयोग किया। उन्होंने चिप से एक तस्वीर में किनारों (एजेस) की पहचान करने और एक चेहरे को डिजिटल मास्क के साथ मिलाने के लिए कहा, जो कि कंप्यूटर के दुनिया को "देखने" और समझने के मूलभूत कार्य हैं। चिप ने इन ऑपरेशनों को बहुत कम त्रुटि दर के साथ सफलतापूर्वक पूरा किया, जो उन गणनाओं को पूरा करता है जिनके लिए सामान्यतः बहुत बड़े और अधिक बिजली की खपत करने वाले इलेक्ट्रॉनिक प्रोसेसर की आवश्यकता होती है।
यह सुनिश्चित करने के लिए कि सिस्टम बड़े आर्टिफिशियल इंटेलिजेंस मॉडल के लिए आवश्यक जटिल गणित को संभाल सके, शोधकर्ताओं ने एक विशेष सॉफ्टवेयर टूल भी विकसित किया है। यह टूल एक अनुवादक के रूप में कार्य करता है, जो विशाल, जटिल गणितीय समस्याओं को छोटे टुकड़ों में तोड़ देता है जिन्हें भौतिक चिप संभाल सके। उन्होंने हार्डवेयर और सॉफ्टवेयर के इस संयोजन का परीक्षण हस्तलिखित नंबरों को पहचानने के सिमुलेशन के माध्यम से किया, जो आर्टिफिशियल इंटेलिजेंस के लिए एक क्लासिक परीक्षण है। परिणामों ने दिखाया कि जबकि प्रकाश-आधारित प्रणाली गणित के सबसे जटिल हिस्सों को संभालने के मामले में एक मानक इलेक्ट्रॉनिक कंप्यूटर की तुलना में थोड़ी कम सटीक थी, लेकिन यह गति और ऊर्जा उपयोग के मामले में अत्यधिक श्रेष्ठ थी। शोधकर्ता अनुमान लगाते हैं कि यदि वे अपने डिजाइन को बड़े आकार में स्केल करते हैं, तो यह प्रणाली वर्तमान तकनीक की तुलना में बहुत कम ऊर्जा का उपयोग करते हुए प्रति सेकंड अरबों गणनाएं कर सकती है।
यह कार्य यह प्रदर्शित करता है कि एक ऐसा मॉड्यूलर सिस्टम बनाना संभव है जहाँ विभिन्न प्रकार के प्रकाश-आधारित प्रोसेसरों को विशिष्ट आवश्यकताओं के अनुसार जोड़ा जा सकता है। टीम ने दिखाया कि गणितीय गणनाओं का भारी काम करने के लिए प्रकाश का उपयोग करके, वे एक ऐसा सिस्टम बना सकते हैं जो न केवल तेज़ है, बल्कि वर्तमान में उपलब्ध विकल्पों की तुलना में बहुत अधिक कॉम्पैक्ट और ऊर्जा-कुशल भी है। हालांकि वर्तमान प्रोटोटाइप एक छोटा प्रूफ-ऑफ-कांसेप्ट है, उनके द्वारा प्रदर्शित सिद्धांत एक ऐसे भविष्य का सुझाव देते हैं जहाँ आर्टिफिशियल इंटेलिजेंस विशाल डेटा केंद्रों की आवश्यकता के बिना छोटे, पोर्टेबल उपकरणों पर चल सकता है। शोधकर्ताओं का मानना है कि इन प्रकाश-आधारित चिप्स को परिष्कृत करने और मौजूदा इलेक्ट्रॉनिक प्रणालियों के साथ एकीकृत करने के माध्यम से, वे एक नई पीढ़ी की तकनीक का द्वार खोल सकते हैं जो प्रकाश की गति से सूचना को प्रोसेस करने में सक्षम है, जिससे शक्तिशाली आर्टिफिशियल इंटेलिजेंस नेटवर्क के किनारे (एज) पर वहां पहुंच सके जहां इसकी सबसे अधिक आवश्यकता 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।