माइक्रोचिप्स में प्रगति हमें एआई एज कंप्यूटिंग के करीब लाती है

प्रिंसटन विश्वविद्यालय के शोधकर्ताओं ने विशेषज्ञता वाले कृत्रिम बुद्धिमत्ता (एआई) प्रणालियों की गति और दक्षता को और बढ़ाने के लिए डिज़ाइन किए गए हार्डवेयर और सॉफ़्टवेयर विकसित किए हैं।

नवीन वर्मा प्रिंसटन में इलेक्ट्रिकल और कंप्यूटर इंजीनियरिंग के प्रोफेसर हैं जो शोध टीम का नेतृत्व करते हैं।

“सॉफ़्टवेयर नए हार्डवेयर को सक्षम करने का एक महत्वपूर्ण हिस्सा है,” वर्मा ने कहा। “आशा है कि डिज़ाइनर एक ही सॉफ़्टवेयर सिस्टम का उपयोग जारी रख सकते हैं – और बस इसे दस गुना तेजी से और अधिक कुशलता से काम कर सकते हैं।”

शोधकर्ताओं द्वारा विकसित प्रणालियों में शक्ति की मांग और दूरस्थ सर्वर से आदान-प्रदान किए जाने वाले डेटा की मात्रा को कम किया जाता है। इसके साथ, एआई एप्लिकेशन जैसे ड्रोन के लिए पायलट सॉफ़्टवेयर कंप्यूटिंग इन्फ्रास्ट्रक्चर के किनारे पर हो सकता है।

वर्मा विश्वविद्यालय के केलर सेंटर फॉर इनोवेशन इन इंजीनियरिंग एजुकेशन के निदेशक भी हैं।

“हमें वास्तविक समय और अक्सर व्यक्तिगत प्रक्रिया को सभी के लिए एआई को सुलभ बनाने के लिए, हमें देरी और गोपनीयता को दूर करने के लिए गणना को स्वयं किनारे पर ले जाने की आवश्यकता है” वर्मा ने कहा। “और इसके लिए ऊर्जा दक्षता और प्रदर्शन दोनों की आवश्यकता है।”

नया चिप डिज़ाइन

प्रिंसटन की टीम ने दो साल पहले एक नया चिप डिज़ाइन विकसित किया था, और इसका 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 करता है,” वर्मा ने 2018 में कहा। “इसका सामंजस्य हमारे द्वारा आज उपयोग की जाने वाली बड़ी मात्रा में बुनियादी ढांचे और डिज़ाइन विधि के साथ होना चाहिए।”

चिप को अगले दो वर्षों में लगातार परिष्कृत किया गया, और एक सॉफ़्टवेयर सिस्टम बनाया गया ताकि एआई प्रणालियां नए प्रौद्योगिकी का कुशलता से उपयोग कर सकें। विचार यह था कि नए चिप्स प्रणालियों को हार्डवेयर और सॉफ़्टवेयर के कार्यान्वयन में स्केलेबल बनाने की अनुमति दे सकते 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 परिदृश्य यह है कि यह स्वयं प्रौद्योगिकी पर होता है, न कि दूरस्थ नेटवर्क कंप्यूटर में। हालांकि, इसके लिए बड़ी मात्रा में शक्ति और मेमोरी स्टोरेज की आवश्यकता होती है, जो ऐसी प्रणाली को डिज़ाइन करना मुश्किल बना देती है।

इन सीमाओं को पार करने के लिए, शोधकर्ताओं ने एक चिप डिज़ाइन की जो एक ही क्षेत्र में गणना करती है और डेटा संग्रहीत करती है, जिसे इन-मेमोरी कंप्यूटिंग कहा जाता है। यह तकनीक डेडिकेटेड 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 के चारों ओर, 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।