Weebit Nano ने मेमोरी में एआई कंप्यूटिंग के लिए Matrix ReRAM अनुसंधान कार्यक्रम शुरू किया

Weebit Nano ने Weebit Matrix In-Memory Compute Research Program शुरू किया है। इसके तहत अकादमिक और उद्योग जगत के शोधकर्ताओं को ReRAM हार्डवेयर उपलब्ध कराया जाएगा, ताकि वे एआई गणनाएँ करने के एक अलग तरीके का परीक्षण कर सकें: गणनाएँ वहीं करना, जहाँ डेटा संग्रहित है।

इस कार्यक्रम में 32 × 32 क्रॉसबार ऐरे पर आधारित अनुसंधान किट शामिल हैं। इनमें वेक्टर-मैट्रिक्स गुणा, कन्वोल्यूशन और स्पाइकिंग न्यूरल नेटवर्क जैसी प्रक्रियाओं का समर्थन है। यह एज एआई से जुड़ा एक अहम हार्डवेयर सवाल उठाता है: मेमोरी और अलग प्रोसेसर के बीच बार-बार डेटा भेजने की जरूरत घटाने से कितनी ऊर्जा और समय बचाया जा सकता है?

यह अनुसंधान मंच की शुरुआत है, न कि कोई तैयार व्यावसायिक एआई एक्सेलरेटर। Weebit का कहना है कि इन-मेमोरी कंप्यूटिंग समाधान के व्यावसायिक बाज़ार तक पहुँचने से पहले तकनीकी चुनौतियाँ अभी बाकी हैं। फिलहाल उद्देश्य शोधकर्ताओं को मॉडल और सिमुलेशन से आगे बढ़ाकर वास्तविक ReRAM हार्डवेयर पर प्रयोग करने का अवसर देना है।

मेमोरी के भीतर ही गणना क्यों करें?

न्यूरल नेटवर्क में अनुमान लगाने की प्रक्रिया में इनपुट और संग्रहित मॉडल वेट का बार-बार संयोजन होता है। पारंपरिक आर्किटेक्चर में इन मानों को मेमोरी पदानुक्रम के अलग-अलग स्तरों से ले जाने में बैंडविड्थ और ऊर्जा खर्च हो सकती है। इन-मेमोरी कंप्यूटिंग, यानी IMC, इस काम का कुछ हिस्सा मेमोरी ऐरे के भीतर ही करने की कोशिश करती है।

प्रतिरोधक रैंडम-एक्सेस मेमोरी, यानी ReRAM, प्रोग्राम किए जा सकने वाले विद्युत प्रतिरोध के ज़रिए जानकारी संग्रहित करती है। Weebit की ऑक्साइड-आधारित सेल में इलेक्ट्रोड के बीच एक स्विचिंग परत होती है; उन पर लगाए गए वोल्टेज से चालक पथ बदलता है और इसलिए सेल का प्रतिरोध भी बदल जाता है। संग्रहित स्थिति लगातार बिजली दिए बिना बनी रहती है, इसलिए ReRAM नॉन-वोलेटाइल है।

एनालॉग कंप्यूटिंग पर शोध में इन विद्युत गुणों का उपयोग बिट संग्रहित करने से आगे भी किया जा सकता है। ऐरे की मेमोरी सेल में वेट एन्कोड किए जा सकते हैं और उनसे मिलने वाली विद्युत प्रतिक्रियाओं का इस्तेमाल गणनाओं में किया जा सकता है। इससे मेमोरी का भौतिक व्यवहार उन गुणा और संचय (मल्टिप्लाई-एंड-एक्यूमुलेट) प्रक्रियाओं से जुड़ता है, जिनका इस्तेमाल न्यूरल नेटवर्क में व्यापक रूप से होता है।

यह लक्ष्य उन उपकरणों के लिए खास तौर पर प्रासंगिक है जिनकी बिजली और तापीय क्षमता सीमित होती है—जैसे सेंसर, औद्योगिक उपकरण और अन्य एज सिस्टम। इसका यह मतलब नहीं है कि एआई मॉडल का हर हिस्सा ऐरे के भीतर चलता है या पूरे सिस्टम में डेटा का स्थानांतरण पूरी तरह समाप्त हो जाता है।

Matrix अनुसंधान किट में क्या शामिल है

शुरुआत में Weebit दो पैकेज दे रही है:

• Matrix IMC मूल्यांकन पैकेज: उन शोधकर्ताओं के लिए सीधे पहुँच वाला मूल्यांकन बोर्ड, जिन्हें हार्डवेयर तक अधिक निकटता से पहुँच चाहिए।
• Matrix IMC त्वरित-आरंभ पैकेज: इसमें पूरा IMC बोर्ड, FPGA सबसिस्टम और नमूना कोड शामिल हैं।

दोनों पैकेज में पैक की गई चिप के नमूने, दस्तावेज़ और सॉकेट वाला IMC बोर्ड शामिल हैं। 32 × 32 क्रॉसबार प्रोग्रामिंग विधियों, एआई एल्गोरिदम और न्यूरोमॉर्फिक आर्किटेक्चर की जाँच के लिए एक नियंत्रित मंच देता है; इसमें स्पाइकिंग न्यूरल नेटवर्क भी शामिल हैं।

त्वरित-आरंभ पैकेज का FPGA सबसिस्टम शोधकर्ताओं को मेमोरी ऐरे के साथ प्रोग्राम किए जा सकने वाले डिजिटल हार्डवेयर का इस्तेमाल करने देता है। यह हाइब्रिड सिस्टम की पड़ताल के लिए उपयोगी है, जहाँ मेमोरी-आधारित प्रक्रियाएँ पारंपरिक प्रोसेसिंग के साथ काम करती हैं—पूरी कंप्यूटिंग पाइपलाइन की जगह लेने की कोशिश नहीं करतीं।

प्रतिभागी ReRAM से जुड़े नतीजे और अपनी प्रतिक्रिया Weebit के साथ साझा करेंगे। कंपनी का कहना है कि इस सहयोग का उद्देश्य तकनीक को बेहतर बनाना और व्यापक अनुसंधान प्रयास को दिशा देना है। घोषणा में किट की कीमत, स्वीकृत परियोजनाओं की संख्या या व्यावसायिक एक्सेलरेटर की डिलीवरी की तारीख नहीं बताई गई है।

80× कम बिजली खपत के दावे को संदर्भ में समझना

अनुसंधान का लिंक किया गया सारांश Weebit के प्रदर्शन संबंधी दावों के पीछे की अहम जानकारी देता है। विकिरण-सहिष्णु एआई हार्डवेयर पर काम कर रही एक अज्ञात अमेरिकी कंपनी ने कस्टम कन्वोल्यूशनल न्यूरल नेटवर्क का इस्तेमाल करके इमेज वर्गीकरण के काम के लिए IMC आर्किटेक्चर का मूल्यांकन किया।

तुलना में NVIDIA GeForce RTX 4090 GPU और Xilinx ZCU104 FPGA प्लेटफ़ॉर्म का इस्तेमाल किया गया। IMC के सिस्टम-स्तरीय नतीजों का अनुमान Weebit ReRAM ऐरे के मापों पर आधारित एप्लिकेशन मॉडलिंग के ज़रिए लगाया गया।

उस कार्यभार के लिए, विश्लेषण में GPU कार्यान्वयन की तुलना में बिजली की खपत लगभग 80 गुना कम और FPGA कार्यान्वयन की तुलना में 13 गुना कम होने का अनुमान लगाया गया। लॉन्च संबंधी विज्ञप्ति में विलंबता लगभग 100 गुना घटने का अलग से उल्लेख है। ये अनुमान खास कार्यभार पर आधारित हैं; इनसे यह साबित नहीं होता कि किसी पूर्ण व्यावसायिक Matrix एक्सेलरेटर का प्रदर्शन स्वतंत्र रूप से सत्यापित किया गया है और वह एआई के सभी कार्यों में GPU से बेहतर है।

यह अंतर अनुसंधान कार्यक्रम के केंद्र में है। ऐरे-स्तर का उपयोगी नतीजा एक ऐसे पूर्ण सिस्टम में बदलना चाहिए जो मॉडल की सटीकता बनाए रखे और साथ ही नियंत्रण, डेटा रूपांतरण, संचार तथा अन्य सहायक प्रक्रियाओं का भी हिसाब रखे। इन सहायक कार्यों में भी ऊर्जा खर्च होती है और विलंबता बढ़ती है।

हार्डवेयर पर प्रयोग सिमुलेशन की सीमाएँ उजागर कर सकते हैं

Weebit के सीईओ Coby Hanoch ने CEA-Leti के साथ पहले हुए सहयोग का उल्लेख किया, जिसमें 2019 में ReRAM-आधारित स्पाइकिंग न्यूरल नेटवर्क का प्रदर्शन भी शामिल था। Matrix इसी अनुसंधान दिशा को आगे बढ़ाता है और एक तय हार्डवेयर मंच को अधिक योग्य शोधकर्ताओं के लिए उपलब्ध कराता है।

न्यूरोमॉर्फिक कंप्यूटिंग के शोधकर्ता Kevin D. Johnson, जिनके काम में विषम कंप्यूटिंग और न्यूरोमॉर्फिक कंप्यूटिंग शामिल हैं, ने कहा कि वे इस प्लेटफ़ॉर्म का उपयोग वास्तविक हार्डवेयर पर मॉडलों को परखने और सिस्टम-स्तर की सटीकता, विलंबता तथा बिजली की खपत का आकलन करने के लिए करना चाहते हैं। उनकी रुचियों में ReRAM को अन्य प्रसंस्करण तकनीकों के साथ जोड़ना भी शामिल है।

यह तरीका इस अवसर के व्यावहारिक पहलू को दर्शाता है: यह पहचानना कि किसी कार्यभार के किन हिस्सों को मेमोरी-आधारित कंप्यूटिंग से लाभ होता है, और फिर जहाँ उपयुक्त हो, उन्हें अन्य हार्डवेयर के साथ जोड़ना। शोध का प्रश्न इस बात से आगे जाता है कि कोई एक ऑपरेशन कुशल है या नहीं; इसमें यह भी शामिल है कि परिणामी सिस्टम उपयोगी और दोहराए जा सकने वाले एप्लिकेशन प्रदर्शन देता है या नहीं।

Weebit ने कठोर परिस्थितियों वाले वातावरणों में ReRAM की जाँच करने के एक कारण के रूप में विकिरण-सहिष्णुता को भी रेखांकित किया है। किसी विशेष एयरोस्पेस, रक्षा या चिकित्सा उपयोग के लिए इसकी उपयुक्तता फिर भी पूरे डिज़ाइन की आवश्यकताओं और सत्यापन पर निर्भर करेगी।

प्रदर्शन और शोध तक पहुँच

Weebit की योजना 10–13 नवंबर को म्यूनिख में होने वाले electronica 2026 में Matrix IMC का प्रदर्शन करने की है। कंपनी ने हॉल C2, स्टैंड 637 की जानकारी दी है; उसके आयोजन पृष्ठ पर प्रदर्शन और बैठक से जुड़ी जानकारी उपलब्ध है।

ये पैकेज योग्य शोधकर्ताओं के लिए उपलब्ध हैं, और कार्यक्रम के शोध-केंद्रित उद्देश्यों से उनकी अनुरूपता के आधार पर आवेदनों का मूल्यांकन किया जाएगा। संभावित प्रतिभागियों के लिए Weebit ने शोध-परियोजना आवेदन फ़ॉर्म उपलब्ध कराया है।

Matrix का तात्कालिक योगदान ऐसे हार्डवेयर तक पहुँच उपलब्ध कराना है, जिससे इन-मेमोरी AI के पीछे की मान्यताओं को परखा जा सके। डेटा को स्थानांतरित करने की लागत घटाने पर केंद्रित इस क्षेत्र में अहम साक्ष्य यह होगा कि वास्तविक कार्यभार चलाने पर मापी गई सटीकता, ऊर्जा की खपत और विलंबता एक साथ कैसी रहती हैं।