एआई मॉडल और प्लेटफ़ॉर्म
माइक्रोचिप्स में प्रगति एआई एज कंप्यूटिंग को और करीब लाती है
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
प्रिंसटन विश्वविद्यालय के शोधकर्ताओं ने विशेष कृत्रिम बुद्धिमत्ता (एआई) प्रणालियों की गति और दक्षता को और बढ़ाने के लिए हार्डवेयर और सॉफ्टवेयर को सह-डिज़ाइन किया है।
नवीन वर्मा प्रिंसटन में इलेक्ट्रिकल और कंप्यूटर इंजीनियरिंग के प्रोफेसर हैं जो शोध टीम का नेतृत्व करते हैं।
“सॉफ्टवेयर नए हार्डवेयर को सक्षम करने का एक महत्वपूर्ण हिस्सा है,” वर्मा ने कहा। “उम्मीद है कि डिजाइनर उसी सॉफ्टवेयर सिस्टम का उपयोग कर सकते हैं – और बस इसे दस गुना तेजी से और अधिक कुशलता से चला सकते हैं।”
शोधकर्ताओं द्वारा विकसित प्रणालियों में शक्ति की मांग और दूरस्थ सर्वर से आदान-प्रदान किए जाने वाले डेटा की मात्रा कम हो जाती है। इसके साथ, एआई अनुप्रयोग जैसे ड्रोन के लिए पायलटिंग सॉफ्टवेयर कंप्यूटिंग इंफ्रास्ट्रक्चर के किनारे पर हो सकता है।
वर्मा विश्वविद्यालय के केलर सेंटर फॉर इनोवेशन इन इंजीनियरिंग एजुकेशन के निदेशक भी हैं।
“वास्तविक समय और अक्सर व्यक्तिगत प्रक्रिया को हमारे आसपास एआई तक पहुंचाने के लिए, हमें गणना को स्वयं किनारे पर ले जाकर देरी और गोपनीयता को संबोधित करने की आवश्यकता है,” वर्मा ने कहा। “और इसके लिए ऊर्जा दक्षता और प्रदर्शन दोनों की आवश्यकता है।”
नई चिप डिज़ाइन
प्रिंसटन की टीम ने दो साल पहले एक नई चिप डिज़ाइन विकसित की थी, जिसका उद्देश्य न्यूरल नेटवर्क के प्रदर्शन में सुधार करना था। चिप बाजार में अन्य माइक्रोचिप्स की तुलना में दस से सौ गुना बेहतर प्रदर्शन कर सकती थी।
“चिप का मुख्य नुकसान यह है कि यह एक बहुत ही असामान्य और विघटनकारी वास्तुकला का उपयोग करती है,” वर्मा ने 2018 में कहा था। “इसका हमारे द्वारा आज उपयोग किए जाने वाले बुनियादी ढांचे और डिज़ाइन पद्धति के साथ सामंजस्य बैठाने की आवश्यकता है।”
चिप को अगले दो वर्षों में लगातार परिष्कृत किया गया, और एक सॉफ्टवेयर सिस्टम बनाया गया ताकि एआई प्रणालियां नई प्रौद्योगिकी का कुशलता से उपयोग कर सकें। विचार यह था कि नई चिप्स हार्डवेयर और सॉफ्टवेयर के निष्पादन में स्केलेबिलिटी की अनुमति दे सकती हैं।
“यह सभी नेटवर्क में प्रोग्राम करने योग्य है,” वर्मा ने कहा। “नेटवर्क बहुत बड़े हो सकते हैं, और वे बहुत छोटे हो सकते हैं।”
गणना के लिए सबसे अच्छा दृश्य यह है कि यह स्वयं प्रौद्योगिकी पर होती है, न कि दूरस्थ नेटवर्क कंप्यूटर पर। हालांकि, इसके लिए बड़ी मात्रा में शक्ति और मेमोरी स्टोरेज की आवश्यकता होती है, जो ऐसी प्रणाली को डिज़ाइन करना मुश्किल बनाती है।
इन सीमाओं को पार करने के लिए, शोधकर्ताओं ने एक चिप डिज़ाइन की जो एक ही क्षेत्र में गणना और डेटा संग्रहण करती है, जिसे इन-मेमोरी कंप्यूटिंग कहा जाता है। यह तकनीक समर्पित मेमोरी के साथ जानकारी का आदान-प्रदान करने के लिए आवश्यक ऊर्जा और समय को कम करती है।
इन-मेमोरी कंप्यूटिंग के लिए आवश्यक एनालॉग ऑपरेशन को पार करने के लिए, जो भ्रष्टाचार के लिए संवेदनशील है, टीम ने ट्रांजिस्टर के बजाय चिप डिज़ाइन में कैपेसिटर पर भरोसा किया। कैपेसिटर वोल्टेज में बदलाव के समान प्रभाव का सामना नहीं करते हैं, और वे अधिक सटीक हैं।
एनालॉग सिस्टम के आसपास विभिन्न अन्य चुनौतियों के बावजूद, वे न्यूरल नेटवर्क जैसे अनुप्रयोगों के लिए कई फायदे प्रदान करते हैं। शोधकर्ता अब दोनों प्रकार की प्रणालियों को मिलाने की कोशिश कर रहे हैं, क्योंकि डिजिटल सिस्टम केंद्रीय हैं जबकि एनालॉग चिप्स पर निर्भर न्यूरल नेटवर्क तेजी से और कुशलता से विशेषज्ञता वाले संचालन चला सकते हैं।
