கணினி கட்டமைப்பில் ஒரு புரட்சிகர மாற்றம்
வழக்கமான டிஜிட்டல் செயலிகளுக்குத் தேவைப்படும் ஆற்றலில் மிகச் சிறு பகுதியைப் பயன்படுத்தி, செயற்கை நுண்ணறிவுப் பணிகளைச் செயலாக்கும் புரட்சிகர அனலாக் கணினிச் சிப்பை சீன ஆய்வாளர்கள் அறிமுகப்படுத்தியுள்ளனர். மேலும் நிலைத்தன்மை கொண்ட செயற்கை நுண்ணறிவுக் கருவிகளை உருவாக்கும் முயற்சியில் இது குறிப்பிடத்தக்க மைல்கல்லாகும். இந்த வாரம் Nature Communications இதழில் வெளியான ஆய்வில், பீக்கிங் பல்கலைக்கழக விஞ்ஞானிகள் தங்களது எதிர்ப்புத்திறன் சீரற்ற அணுகல் நினைவகச் சிப், Netflix மற்றும் Yahoo பயன்படுத்தும் அளவுக்கு நிகரான தரவுத்தொகுப்புகளைக் கொண்டு பரிந்துரை அமைப்புகளுக்குப் பயிற்சியளிக்க முடியும் எனக் காட்டினர். மேம்பட்ட டிஜிட்டல் செயலிகளைவிட 12 மடங்கு வேகத்தில் இச்சிப் செயல்படுவதுடன், அவற்றுக்குத் தேவையான ஆற்றலில் வெறும் 1/200 பங்கையே பயன்படுத்துகிறது.
உள்ளடக்கம்
இந்தக் கண்டுபிடிப்பு, முந்தைய கோட்பாட்டுக் கூற்றுகளை உறுதிப்படுத்துவதுடன், எளிய கணித அளவுகோல்களைக் கடந்து நடைமுறைப் பயன்பாடுகளுக்கும் இந்தத் தொழில்நுட்பத்தை எடுத்துச் செல்கிறது. அனலாக் கணினியியலின் எல்லையை இந்தச் சாதனை மேலும் ஒரு படி முன்னேற்றியுள்ளதாக முதன்மை ஆய்வாளர் சன் ஸோங் தெரிவித்தார். அனலாக் கணக்கீட்டின் இயல்பான வேக, ஆற்றல் நன்மைகளைத் தக்கவைத்தபடியே புதிய சிப் சிக்கலான பணிகளைக் கையாண்டதாகவும் அவர் குறிப்பிட்டார். செயற்கை நுண்ணறிவுப் பயிற்சியால் அதிகரிக்கும் மின்சாரத் தேவையை உலகத் தரவு மையங்கள் சமாளிக்கத் திணறிவரும் நிலையில் இந்த முன்னேற்றம் வந்துள்ளது. சில மையங்கள் சிறிய நகரங்களுக்குச் சமமான அளவு மின்சாரத்தைப் பயன்படுத்துகின்றன.
இந்த ஆய்வு, அக்டோபரில் முதலில் தெரிவிக்கப்பட்ட பணியைத் தொடர்ந்து மேற்கொள்ளப்பட்டுள்ளது. அப்போது, அனலாக் கணினியியலை நீண்டகாலமாகப் பாதித்துவந்த நூற்றாண்டு காலத் துல்லியச் சிக்கலைத் தீர்த்துவிட்டதாகக் குழு முதன்முதலில் அறிவித்தது. Nvidia H100 கிராபிக்ஸ் செயலாக்க அலகு போன்ற முன்னணி டிஜிட்டல் அலகுகளைவிட இந்தச் சிப் 1,000 மடங்கு வேகமாகச் செயல்படக்கூடும் என்றும், 100 மடங்கு மேம்பட்ட ஆற்றல் செயல்திறனை வழங்கும் என்றும் ஆய்வாளர்கள் அப்போது தெரிவித்தனர். சமீபத்திய ஆய்வுக் கட்டுரை நடைமுறைச் செயல்திறன் மேம்பாடுகளை உறுதிப்படுத்துகிறது. அவை தொடக்கக் கோட்பாட்டு கணிப்புகளைவிடக் குறைவானவையாக இருந்தாலும், தனிப்பயனாக்கப்பட்ட பரிந்துரை மற்றும் படச் செயலாக்கப் பயன்பாடுகளில் சிப்பின் திறன்களை இது காட்டுகிறது.
தகவலை இரும இலக்குகளான பூஜ்ஜியம், ஒன்று எனச் செயலாக்கும் பாரம்பரியக் கணினிகளைப் போலல்லாமல், அனலாக் அமைப்புகள் மின்சாரம் போன்ற தொடர்ச்சியான இயற்பியல் சமிக்ஞைகளைக் கையாளுகின்றன. டிஜிட்டல் கணினி, இயக்கம் அல்லது நிறுத்தம் என இரண்டு நிலைகள் மட்டுமே கொண்ட வழக்கமான விளக்குச் சுவிட்சைப் போன்றது. அனலாக் கணினி, தொடர்ச்சியான வரம்பில் மதிப்புகளை மாற்றியமைக்கும் ஒளி மங்கல் சுவிட்சைப் போன்றது. இந்த அடிப்படை வேறுபாடு, இருமக் குறியீட்டுக்குப் பதிலாக இயற்பியல் பண்புகளைக் கொண்டு கணக்கீடுகளைச் செய்ய அனலாக் சிப்புகளுக்கு வழிவகுக்கிறது. இதனால், வழக்கமான செயலிகளின் திறனைக் கட்டுப்படுத்தும் நினைவகத்துக்கும் செயலாக்க அலகுகளுக்கும் இடையிலான, அதிக ஆற்றல் தேவைப்படும் தரவு நகர்த்தல் தவிர்க்கப்படுகிறது.
செயற்கை நுண்ணறிவுத் துறை ஆற்றல் நெருக்கடியை எதிர்கொண்டுள்ள நிலையில், இந்த முன்னேற்றம் வந்திருக்கும் காலம் முக்கியமானது. ஒரு பெரிய மொழி மாதிரிக்குப் பயிற்சியளிக்கவே பல மெகாவாட்-மணி மின்சாரம் தேவைப்படலாம். உலகெங்குமுள்ள தரவு மையங்கள் சில வளர்ந்த நாடுகளைவிட அதிக மின்சாரத்தைப் பயன்படுத்துகின்றன. குறைக்கடத்திக் கூறுகள் அணு அளவை நெருங்குவதால், பாரம்பரிய டிஜிட்டல் செயலிகள் அடிப்படை இயற்பியல் வரம்புகளை எதிர்கொள்கின்றன. எனவே, தொடர்ந்து முன்னேற உற்பத்தி மேம்பாடுகளைவிடக் கணினிக் கட்டமைப்பில் புதுமைகள் அதிகம் தேவைப்படுகின்றன.
இருப்பினும், அனலாக் அமைப்புகள் வரலாற்று ரீதியாகத் துல்லியச் சிக்கல்களைச் சந்தித்துள்ளன. படிப்படியான படிமுறைகள் மூலம் டிஜிட்டல் கணினிகள் துல்லியமான முடிவுகளைப் பெறுகின்றன. ஆனால் அனலாக் சாதனங்களில் சமிக்ஞை குறுக்கீடும் இரைச்சலும் ஏற்படக்கூடும் என்பதால், அவை நவீனச் சிக்கலான பயன்பாடுகளுக்கு ஏற்றவையாக இருக்கவில்லை. இந்த வரம்பு காரணமாக, ஆயிரக்கணக்கான ஆண்டுகளுக்கு முந்தைய வேர்களைக் கொண்டிருந்தும், அனலாக் தொழில்நுட்பம் பல தசாப்தங்களாக வரலாற்று ஆர்வத்துக்குரிய ஒன்றாக ஒதுக்கப்பட்டது. விண்மீன் பொருள்களின் நிலைகளைக் கணிக்க ஒன்றோடொன்று பொருந்தும் கியர்களைப் பயன்படுத்திய 2,000 ஆண்டுகள் பழமையான கிரேக்க வானியல் கணிப்பானான ஆன்டிகிதெரா இயந்திரம் இதற்கான பழங்கால எடுத்துக்காட்டாகும்.
துல்லியத் தடையைத் தகர்த்தல்
அனலாக் கணக்கீட்டின் வேகத்தையும் டிஜிட்டல் அமைப்புகளின் துல்லியத்தையும் இணைக்கும் புதுமையான இரட்டைச் சுற்றுக் கட்டமைப்பின் மூலம் பீக்கிங் பல்கலைக்கழகக் குழு இந்த வரம்பைச் சமாளித்தது. மின்முனைகளுக்கு இடையிலான மின் எதிர்ப்பை மாற்றுவதன் மூலம் தரவைச் சேமிக்கும் எதிர்ப்புத்திறன் சீரற்ற அணுகல் நினைவகக் கலங்களை அவர்களது சிப் பயன்படுத்துகிறது. இந்தக் கலங்களைத் தனித்துவமான இரு சுற்றுகளாக அமைத்ததன் மூலம், முதலில் விரைவான தோராயத் தீர்வுகளை உருவாக்கி, பின்னர் மீள்முறைச் செயலாக்கத்தின் வழியாக அவற்றைச் செம்மைப்படுத்தி, 32-பிட் மிதவைப்புள்ளி டிஜிட்டல் கணக்கீடுகளுக்கு நிகரான துல்லியத்தைப் பெறும் அமைப்பை ஆய்வாளர்கள் உருவாக்கினர்.
அனலாக் கணினியியலில் துல்லியம் நீண்டகாலமாகப் பிரதான தடையாக இருந்து வருகிறது. அனலாக் கணினியியலில் உயர் துல்லியத்தையும் விரிவாக்கத்தன்மையையும் ஒருசேர எட்டுவதன் மூலம், நவீன கணினிப் பணிகளுக்கு அதன் இயல்பான நன்மைகளைப் பயன்படுத்துவது உலக அறிவியல் சமூகத்தைப் பாதித்த நூற்றாண்டு காலச் சிக்கலாக இருந்து வந்துள்ளது.
பல்கலைக்கழகத்தின் உதவிப் பேராசிரியரான சன் ஸோங், இந்த அணுகுமுறை பாரம்பரிய அனலாக் கணக்கீட்டின் துல்லியத்தை ஐந்து வரிசை அளவுகளால், அதாவது ஏறத்தாழ 100,000 மடங்கு மேம்படுத்துவதாக விளக்கினார். முதல் சுற்று சுமார் ஒரு சதவீதப் பிழையுடன் முடிவுகளை உருவாக்குகிறது. ஆனால் இரண்டாவது சுற்றில் மூன்று முறை செம்மைப்படுத்திய பிறகு, பிழை விகிதம் வழக்கமான டிஜிட்டல் செயலிகளின் அளவுக்குக் குறைகிறது. 24-பிட் நிலையான புள்ளித் துல்லியத்துடன் 16-க்கு-16 உண்மை மதிப்பு அணிகளின் நேர்மாறு அணிகளைக் கணக்கிடுவதன் மூலம் இந்தத் திறனை குழு நிரூபித்தது.
இந்தப் புதுமையின் மையத்தில் உள்ள எதிர்ப்புத்திறன் சீரற்ற அணுகல் நினைவகத் தொழில்நுட்பம், பாரம்பரிய டிரான்சிஸ்டர் அடிப்படையிலான கணினியியலில் இருந்து குறிப்பிடத்தக்க வகையில் மாறுபட்டது. RRAM கலங்கள், மெம்ரிஸ்டர்கள் எனப்படும் மின் கூறுகளாகச் செயல்படுகின்றன. அவற்றின் உள் மின் எதிர்ப்பை மாற்றுவதன் மூலம், முன்பு அவற்றில் பாய்ந்த மின்னோட்டத்தின் அளவை நினைவில் வைத்திருக்கின்றன. இந்தப் பண்பு, ஒரே இயற்பியல் இடத்தில் தகவலைச் சேமிக்கவும் செயலாக்கவும் சிப்புக்கு அனுமதிக்கிறது. நினைவகத்தையும் செயலியையும் தனித்தனியாக வைத்திருக்கும் வழக்கமான அமைப்பை இது நீக்குகிறது. அந்தப் பிரிப்பே, பஸ் வழித்தடங்கள் வழியாகத் தரவை முன்னும் பின்னும் நகர்த்துவதற்கு வழக்கமான கணினிகள் ஆற்றலைச் செலவிடச் செய்கிறது.
அணி கணக்கீடுகள் நவீன செயற்கை நுண்ணறிவு, இயந்திரக் கற்றல், வயர்லெஸ் தகவல்தொடர்பு ஆகியவற்றின் கணித அடித்தளமாக உள்ளன. நரம்பியல் வலைப்பின்னல்களுக்குப் பயிற்சியளிக்கும்போதோ, 6G வலைப்பின்னல்களுக்கான சமிக்ஞைகளைச் செயலாக்கும்போதோ, கணினிகள் பெரும் எண்ணிக்கையிலான மதிப்புகளைக் கொண்ட கட்டங்களில் அமைந்துள்ள இந்தச் சமன்பாடுகளைத் தீர்க்க வேண்டும். டிஜிட்டல் செயலிகள் கணக்கீடுகளை இருமச் செயல்பாடுகளின் நீண்ட வரிசைகளாகப் பிரித்து, அவற்றைத் தொடர்ச்சியாகச் செய்கின்றன. அனலாக் சிப் இந்த அணிகளை இணையாகச் செயலாக்கி, சமிக்ஞைகளை இருமக் குறியீடாக மாற்றாமல் நினைவக அணிகளிலேயே நேரடியாகக் கணக்கீடுகளைச் செய்கிறது.
துல்லியச் சிக்கலைத் தீர்த்ததன் வரலாற்றுச் சிறப்பை மிகையாகக் கூற முடியாது. டிஜிட்டல் தொழில்நுட்பத்துக்கு முந்தையதே அனலாக் கணினியியல். கணிதச் சமன்பாடுகளைத் தீர்க்கக் குழாய்கள் வழியாகப் பாயும் திரவத்தைப் பயன்படுத்திய 1936ஆம் ஆண்டு சோவியத் நீர் ஒருங்கிணைப்பான் இதன் தொடக்ககால எடுத்துக்காட்டுகளில் ஒன்றாகும். இத்தகைய புதுமைகள் இருந்தபோதிலும், டிஜிட்டல் தொழில்நுட்பம் வளர்ச்சியடைந்தபோது, இரைச்சல் மற்றும் விரிவாக்கச் சிக்கல்களால் அனலாக் அமைப்புகள் வழக்கொழிந்தன. புதிய சிப், நவீன எதிர்ப்பு நினைவகத் தொழில்நுட்பத்தைப் பயன்படுத்தி இந்தக் கருத்துகளைப் புதுப்பிக்கிறது. பல தசாப்தங்களுக்கு முன்பு கைவிடப்பட்ட கட்டமைப்புகளுக்கு இது மீண்டும் வழிவகுக்கக்கூடும்.
கணிதக் கோட்பாட்டிலிருந்து நடைமுறைப் பயன்பாடுகள் வரை
தொடக்க அறிவிப்பு கோட்பாட்டுத் திறன்களை மையமாகக் கொண்டிருந்தது. சமீபத்திய ஆய்வுக் கட்டுரை, தொழில்துறையின் தேவைகளை ஒத்த நடைமுறைச் செயற்கை நுண்ணறிவுப் பணிகளில் இதன் செயல்திறனை உறுதிப்படுத்துகிறது. Netflix மற்றும் Yahoo பயன்படுத்தும் அளவுக்கு நிகரான தரவுத்தொகுப்புகளைக் கொண்டு தனிப்பயனாக்கப்பட்ட பரிந்துரை அமைப்புகளைச் சிப் வெற்றிகரமாகக் கையாண்டது. இதன் மூலம் எளிய கணித அளவுகோல்களைக் கடந்த திறன்களை அது காட்டியது. படச் சுருக்கச் சோதனைகளில், சேமிப்புத் தேவையைப் பாதியாகக் குறைத்தபோதும் முழுத் துல்லிய டிஜிட்டல் கணினியில் கிடைக்கும் தரத்துக்கு ஏறத்தாழ நிகரான தரத்தில் காட்சித் தரவை இந்த அமைப்பு மீட்டமைத்தது.
உலகெங்குமுள்ள தரவு மையங்களின் வளங்களுக்குத் தற்போது அழுத்தம் கொடுக்கும் தரவு-செறிவான பணிகளுக்கான எடுத்துக்காட்டுகளே இந்தப் பயன்பாடுகள். ஸ்ட்ரீமிங் சேவைகள், சமூக ஊடகத் தளங்கள், மின்னணு வணிகத் தளங்கள் ஆகியவற்றில் பரிந்துரை வழிமுறைகள் செயல்படுகின்றன. தனிப்பயனாக்கப்பட்ட பரிந்துரைகளை உருவாக்க, அவை பயனர்களின் கோடிக்கணக்கான தொடர்புகளைச் செயலாக்குகின்றன. காணொளி ஸ்ட்ரீமிங் முதல் மருத்துவப் படமெடுப்பு வரை அனைத்துக்கும் படச் சுருக்கம் அடிப்படையாக உள்ளது. தரத்தை இழக்காமல் கோப்புகளின் அளவைக் குறைப்பது அலைக்கற்றை மற்றும் சேமிப்புச் செலவுகளை மிச்சப்படுத்துகிறது. குறைந்த ஆற்றலைப் பயன்படுத்தியே இத்தகைய பணிகளைச் சிப் கையாளும் திறன், இந்தச் சேவைகள் இயங்கும் முறையை மாற்றும் சாத்தியத்தைக் காட்டுகிறது.
இது அனலாக் கணினியியலின் எல்லையை மேலும் ஒரு படி முன்னேற்றுகிறது.
நுகர்வோர் பயன்பாடுகளைத் தாண்டி, பெரும் பல உள்ளீடு-பல வெளியீடு அமைப்புகளில் சமிக்ஞைகளைக் கண்டறிவதன் மூலம் வயர்லெஸ் தகவல்தொடர்பு சோதனைகளிலும் சிப் தனது திறனை வெளிப்படுத்தியது. எதிர்கால 6G வலைப்பின்னல்களுக்கு இந்தத் தொழில்நுட்பம் மிகவும் முக்கியமானது; ஏனெனில் அவற்றில் அடிப்படை நிலையங்கள் பெரும் எண்ணிக்கையிலான ஆன்டெனா வரிசைகளை நிகழ்நேரத்தில் செயலாக்க வேண்டும். இந்தத் தகவல்தொடர்பு பணிகளில் டிஜிட்டல் செயலிகளுக்கு நிகரான செயல்திறனை, சுமார் 100 மடங்கு குறைவான ஆற்றலைப் பயன்படுத்தி சாதனம் எட்டியது. இதனால் மின்கல ஆயுள் அல்லது குளிரூட்டும் திறன் வழக்கமான வன்பொருளைக் கட்டுப்படுத்தும், ஆற்றல் வரம்புள்ள சூழல்களில் இதைப் பயன்படுத்த முடியும் எனத் தெரிகிறது.
எதிர்கால 6G வயர்லெஸ் வலைப்பின்னல்களில், கைப்பேசி சாதனங்களுடனான இணைப்புகளைப் பேணுவதற்காக அடிப்படை நிலையங்கள் நூற்றுக்கணக்கான ஆன்டெனா கூறுகளை ஒரே நேரத்தில் நிர்வகித்து, பெருமளவிலான சமிக்ஞைத் தரவை நிகழ்நேரத்தில் செயலாக்க வேண்டும். இந்த அமைப்புகளின் கணக்கீட்டுத் தேவை, தற்போதைய டிஜிட்டல் சமிக்ஞைச் செயலிகளின் திறனைத் தாண்டுகிறது. குறிப்பாக, தாமத வரம்புகள் மற்றும் தொலைதூரக் கைப்பேசி கோபுரங்களுக்கான மின்சக்தி வரம்புகள் இதில் சவாலாக உள்ளன. குறைந்த ஆற்றலைப் பயன்படுத்தியபடியே டிஜிட்டல் செயலிகளுக்கு நிகரான செயல்திறனுடன் வயர்லெஸ் தகவல்தொடர்பு சமிக்ஞைகளைக் கண்டறியும் அனலாக் சிப்பின் திறன், தொலைத்தொடர்பு பயன்பாடுகளுக்கு இதை மிகவும் பொருத்தமானதாக ஆக்குகிறது.
நவீன செயற்கை நுண்ணறிவுக் கட்டமைப்பின் அளவைக் கருத்தில் கொண்டால், ஆற்றல் சேமிப்பு மிகவும் முக்கியத்துவம் பெறுகிறது. பெரிய மொழி மாதிரிகளுக்குப் பயிற்சியளிக்க, ஆயிரக்கணக்கான உயர்தர கிராபிக்ஸ் அட்டைகளில் வாரக்கணக்கில் செயலாக்கம் தேவைப்படுகிறது. இதற்கு பல மெகாவாட்-மணி மின்சாரம் செலவாகிறது. செயலாக்க வேகத்தைத் தக்கவைத்தோ மேம்படுத்தியோ, ஆற்றல் பயன்பாட்டை இரண்டு வரிசை அளவுகளால் குறைப்பது, செயல்பாட்டுச் செலவுகளையும் சுற்றுச்சூழல் பாதிப்பையும் கணிசமாகக் குறைக்கும். செயற்கை நுண்ணறிவு மேம்பாட்டின் கரிமத் தடம் குறித்து அதிகரித்து வரும் கவலைகளுக்கும் இது தீர்வாக அமையலாம்.
உலகளாவிய குறைக்கடத்திச் சூழல்
மேம்பட்ட Nvidia GPU-கள் மற்றும் பிற உயர் செயல்திறன் டிஜிட்டல் செயலிகளுக்கான சீனாவின் அணுகலை ஏற்றுமதி கட்டுப்பாடுகள் வரையறுக்கும் நிலையில், உலகத் தொழில்நுட்பச் சூழலில் முக்கியமான தருணத்தில் இந்தச் சாதனை வந்துள்ளது. இந்தச் சிப் பொதுப் பயன்பாட்டு கிராபிக்ஸ் அட்டைகளுக்கு உடனடியாக மாற்றாக அமையாது. இருப்பினும், செயற்கை நுண்ணறிவுப் பயிற்சி மற்றும் அனுமானப் பணிகளில் முதன்மையாக இடம்பெறும் சில குறிப்பிட்ட கணினிப் பணிகளுக்கு மாற்று வழியை இது வழங்குகிறது. நரம்பியல் வலைப்பின்னல் செயல்பாடுகளின் மையமாக உள்ள அணி அடிப்படையிலான கணக்கீடுகளுக்கு ஆற்றல் திறன்மிக்க விருப்பத்தை வழங்குவதன் மூலம், செயற்கை நுண்ணறிவு வன்பொருளின் போக்கையே இது மாற்றக்கூடும் எனத் தொழில்துறை ஆய்வாளர்கள் கூறுகின்றனர்.
ChatGPT உள்ளிட்ட பெரிய மொழி மாதிரிகளுக்குப் பயிற்சியளிக்கப் பயன்படுத்தப்படும் Nvidia H100 கிராபிக்ஸ் அட்டையுடனான ஒப்பீடுகள், இதன் சாத்தியமான தாக்கத்தை எடுத்துக்காட்டுகின்றன. குறிப்பிட்ட அணி கணக்கீடுகளில் இந்த டிஜிட்டல் செயலிகளைவிடச் செயல்திறன் ஆயிரம் மடங்கு அதிகமாக இருக்கும் என்றும், ஆற்றல் திறன் நூறு மடங்கு மேம்படும் என்றும் கோட்பாட்டுக் கணிப்புகள் தெரிவிக்கின்றன. உண்மைச் சூழலில் உறுதிப்படுத்தப்பட்ட முடிவுகளான 12 மடங்கு அதிக வேகம், 200 மடங்கு மேம்பட்ட ஆற்றல் திறன் ஆகியவைகூட, உலகத் தரவு மையங்களில் ஆதிக்கம் செலுத்தும் தற்போதைய தொழில்நுட்பத்தைவிட கணிசமான மேம்பாடுகளாகும்.
இந்தச் சிப்பைத் தயாரிக்க வணிகரீதியான சிப் உற்பத்தி வசதிகள் பயன்படுத்தப்பட்டன. எனவே, அரிதான பொருள்களோ முற்றிலும் புதிய உற்பத்தி நிலையங்களோ தேவையின்றி உற்பத்தியை விரிவாக்குவது கோட்பாட்டளவில் சாத்தியமாகும். தூய்மையான ஆய்வகச் சூழலுக்கு வெளியே இயங்க முடியாத ஆய்வகப் புதுமைகளிலிருந்து இந்த நடைமுறை அணுகுமுறை இதை வேறுபடுத்துகிறது. வழக்கமான குறைக்கடத்தி உற்பத்தி நுட்பங்களைப் பயன்படுத்தியே சிப்புகள் உருவாக்கப்பட்டன. எனவே, தேவை உருவானால், பல பில்லியன் டாலர் உள்கட்டமைப்பு முதலீடு செய்யாமல், தற்போதுள்ள விநியோகச் சங்கிலிகளைக் கொண்டே உற்பத்தியை அதிகரிக்கலாம்.
செயற்கை நுண்ணறிவுப் பயிற்சியில் அணி கணக்கீடுகள் எவ்வளவு முக்கியம் என்பதற்கு லண்டன் கிங்ஸ் கல்லூரி ஆய்வாளர் ஜேம்ஸ் மில்லன் விளக்கம் அளித்தார். டிஜிட்டல் கணினிகள் எதையும் கணக்கிடக்கூடிய பொதுவான இயந்திரங்களாக இருந்தாலும், அவை அனைத்தையும் திறம்படவோ விரைவாகவோ கணக்கிடும் என்பது அவசியமில்லை என்று அவர் குறிப்பிட்டார். குறிப்பிட்ட பணிகளுக்காக வடிவமைக்கப்பட்ட அனலாக் கணினிகள், அந்தப் பயன்பாடுகளில் வியப்பூட்டும் வேகத்தையும் செயல்திறனையும் எட்டக்கூடும். இதன் மூலம் வளர்ந்துவரும் செயற்கை நுண்ணறிவுச் சார்பால் உருவாகும் மிகப்பெரிய ஆற்றல் தேவையைக் குறைக்கலாம்.
தொழில்நுட்ப வரம்புகளும் எதிர்கால மேம்பாடும்
குறிப்பிடத்தக்க அளவுகோல் முடிவுகள் இருந்தபோதிலும், முக்கியமான வரம்புகள் இருப்பதை ஆய்வாளர்கள் ஒப்புக்கொள்கின்றனர். கோட்பாட்டின் அதிகபட்சக் கணிப்புகளைவிட நடைமுறைப் பயன்பாடுகளில் கிடைக்கும் மேம்பாடு குறைவாக இருக்கக்கூடும் என சன் ஸோங் எச்சரித்தார். இந்தச் சிப் அணி கணக்கீடுகளுக்கு மட்டுமே சிறப்பாக வடிவமைக்கப்பட்டுள்ளது. எனவே, அத்தகைய குறிப்பிட்ட கணிதச் செயல்பாடுகள் இடம்பெறும் செயற்கை நுண்ணறிவுப் பயிற்சிப் பகுதிகளை மட்டுமே இது வேகப்படுத்துகிறது. ஒரு குறிப்பிட்ட பணிச்சுமையில் அணி கணக்கீடுகள் முதன்மையாக இருந்தால், வேக அதிகரிப்பு குறிப்பிடத்தக்கதாக இருக்கும். ஆனால் பல்வகைச் செயல்பாடுகள் தேவைப்படும் பொதுவான கணினிப் பணிகளில் இதன் பலன் குறைவாகவே இருக்கும்.
டிஜிட்டல் செயலிகளுக்கு முற்றிலும் மாற்றாகத் தூய அனலாக் அமைப்புகளைப் பயன்படுத்துவதைவிட, கலப்புக் கட்டமைப்புகளே எதிர்காலத்தில் அதிகம் சாத்தியமாகத் தெரிகிறது. எதிர்கால கிராபிக்ஸ் செயலாக்க அலகுகளில், செயற்கை நுண்ணறிவுப் பயிற்சி வழிமுறைகளின் குறிப்பிட்ட பகுதிகளைக் கையாள அனலாக் சுற்றுகள் சேர்க்கப்படலாம். குறிப்பாக, இரண்டாம் வரிசை மேம்படுத்தல் முறைகள் மற்றும் நேரியல் இயற்கணிதச் செயல்பாடுகளை அவை கையாளலாம். அதேவேளையில், பொதுப் பயன்பாட்டுக் கணினிப் பணிகளுக்காக டிஜிட்டல் மையங்கள் தக்கவைக்கப்படும். இத்தகைய ஒருங்கிணைப்பு வணிகப் பொருள்களாக உருவாக இன்னும் பல ஆண்டுகள் ஆகலாம். எனினும், இந்த ஆய்வு அத்தகைய வளர்ச்சிகளுக்கான அடிப்படைத் தொழில்நுட்பத்தை வழங்குகிறது.
விளிம்புக் கணினியியல் மற்றொரு நம்பிக்கையளிக்கும் பயன்பாட்டுத் துறையாகும். தானியங்கி வாகனங்கள், தொழில்துறை ரோபோக்கள், மேம்படுத்தப்பட்ட மெய்நிகர் காட்சி தலைக்கவசங்கள் ஆகியவற்றுக்குக் கணிசமான செயலாக்கத் திறன் தேவை. ஆனால் அவை கடுமையான மின்கல மற்றும் வெப்ப வரம்புகளுக்குள் இயங்குகின்றன. தற்போதைய தீர்வுகள் செயலாக்கத்திற்காகத் தரவை மேகக் கணினிச் சேவையகங்களுக்கு அனுப்புகின்றன. இதனால் தாமதமும் இணைப்பைச் சார்ந்திருக்கும் நிலையும் ஏற்படுகின்றன. டிஜிட்டல் செயலிகளின் ஆற்றல் சுமையின்றி, சிக்கலான செயற்கை நுண்ணறிவு அனுமானங்களை உள்ளூரிலேயே இயக்கக்கூடிய அனலாக் சிப்புகள், இந்தச் சாதனங்கள் கூடுதல் தன்னாட்சியுடன் இயங்கவும் மின்கல ஆயுளை கணிசமாக நீட்டிக்கவும் உதவக்கூடும்.
விரிவாக்கத்தன்மையும் மற்றொரு சவாலாகும். தன்னிச்சையான அளவிலான சிக்கல்களைச் சிறு பகுதிகளாகப் பிரித்து, தொடர்ச்சியாகச் செயலாக்கும் டிஜிட்டல் செயலிகளைப் போலல்லாமல், பெரிய அணிகளைக் கணக்கிட அனலாக் அமைப்புகளுக்கு இயற்பியல் ரீதியாகப் பெரிய சுற்றுகள் தேவை. நவீன பெரிய மொழி மாதிரிகளில் காணப்படும் ஒரு மில்லியன்-க்கு-ஒரு மில்லியன் மாறிலிகள் கொண்ட சிக்கல்களைக் கையாளும் சிப்புகளை உருவாக்க, குறிப்பிடத்தக்க பொறியியல் முன்னேற்றங்கள் அவசியம். இருப்பினும், ஆற்றல் பயன்பாட்டு வரம்புகள் முக்கியமான விளிம்புக் கணினியியல் பயன்பாடுகளில், சிறிய அளவிலான அனலாக் சிப்புகள்கூட மேகக் கணினி இணைப்புகளைச் சார்ந்திருக்காமல், சாதனங்களிலேயே சிக்கலான செயற்கை நுண்ணறிவை இயக்க வழிவகுக்கும்.
மேலும் பெரிய, முழுமையாக ஒருங்கிணைக்கப்பட்ட சிப்புகளை உருவாக்கி, இன்னும் சிக்கலான பிரச்சினைகளை அதிக வேகத்தில் கையாள்வதே தங்களது அடுத்த இலக்கு என ஆய்வுக் குழு தெரிவித்துள்ளது. இந்த முயற்சிகள் வெற்றி பெற்றால், 6G தகவல்தொடர்பு வளர்ச்சியை விரைவுபடுத்தவும், செயற்கை நுண்ணறிவு மாதிரிகளுக்குப் பயிற்சியளிப்பதை மேலும் திறமையாக்கவும், உலகளாவிய மின்சார உற்பத்தியில் அதிகரித்து வரும் பங்கைப் பயன்படுத்தும் தரவு மையங்களின் சுற்றுச்சூழல் பாதிப்பைக் குறைக்கவும் முடியும். நினைவகத்தையும் செயலாக்கத்தையும் பிரிக்கும் அமைப்பால் வரையறுக்கப்படும் இயற்பியல் வரம்புகளை டிஜிட்டல் கணினியியல் நெருங்கும் நிலையில், ஆற்றல் பயன்பாட்டை அதே விகிதத்தில் அதிகரிக்காமல் செயல்திறனை மேம்படுத்த அனலாக் மாற்று வழிகள் உதவக்கூடும்.
முக்கிய அம்சங்கள்
- பீக்கிங் பல்கலைக்கழக ஆய்வாளர்கள், எதிர்ப்புத்திறன் சீரற்ற அணுகல் நினைவகத்தைப் பயன்படுத்தும் அனலாக் செயற்கை நுண்ணறிவுச் சிப்பை உருவாக்கியுள்ளனர். நடைமுறைப் பரிந்துரை மற்றும் படச் செயலாக்கப் பணிகளில், மேம்பட்ட டிஜிட்டல் செயலிகளைவிட 12 மடங்கு வேகத்தையும் 200 மடங்கு மேம்பட்ட ஆற்றல் திறனையும் இது எட்டியுள்ளது.
- அனலாக் கணினியியல் டிஜிட்டல் கணினிகளுக்கு நிகரான துல்லியத்தைப் பெறுவதை இதுவரை தடுத்துவந்த நூற்றாண்டு காலத் துல்லியச் சிக்கலை இந்தச் சாதனம் தீர்க்கிறது. தோராயக் கணக்கீடுகளைச் செம்மைப்படுத்தும் இரட்டைச் சுற்றுக் கட்டமைப்பின் மூலம், 32-பிட் மிதவைப்புள்ளி அமைப்புகளுக்கு நிகரான பிழை விகிதங்களை இது எட்டுகிறது.
- இரும ஒன்றுகள், பூஜ்ஜியங்களைப் பயன்படுத்தும் டிஜிட்டல் செயலிகளைப் போலல்லாமல், இந்தச் சிப் தொடர்ச்சியான மின்சமிக்ஞைகளைக் கையாண்டு, நினைவகத்திலேயே நேரடியாக அணி கணக்கீடுகளைச் செய்கிறது. இதனால் வழக்கமான கணினியியலில் பெரும்பாலான ஆற்றலைச் செலவிடும் தரவு நகர்த்தல் தடை தவிர்க்கப்படுகிறது.
- வணிகரீதியான குறைக்கடத்தி உற்பத்திச் செயல்முறைகளைப் பயன்படுத்தி இந்தத் தொழில்நுட்பம் உருவாக்கப்பட்டுள்ளது. இது பெருமளவு உற்பத்தி செய்வதற்கான சாத்தியத்தைக் காட்டுகிறது. எனினும், தற்போதைய வடிவங்கள் மிகப்பெரிய செயற்கை நுண்ணறிவு மாதிரிகளுக்குப் பயிற்சியளிக்கத் தேவையான அளவைவிடச் சிறிய அணிகளையே கையாளுகின்றன.
- தனிப்பயனாக்கப்பட்ட பரிந்துரை அமைப்புகள், படச் சுருக்கம், 6G வயர்லெஸ் சமிக்ஞைச் செயலாக்கம் ஆகியவை இதன் பயன்பாடுகளில் அடங்கும். அனலாக் திறனையும் டிஜிட்டல் நெகிழ்வுத்தன்மையையும் இணைக்கும் கலப்புக் கணினிக் கட்டமைப்புகளிலும் இதைப் பயன்படுத்தக்கூடும்.
- மேம்பட்ட Nvidia GPU-களை இறக்குமதி செய்வதில் சீனா கட்டுப்பாடுகளை எதிர்கொள்ளும் நிலையில் இந்தச் சாதனை வந்துள்ளது. குறிப்பிட்ட செயற்கை நுண்ணறிவுப் பணிகளுக்கு உள்நாட்டிலேயே உருவாக்கப்பட்ட மாற்று வழியை இது வழங்குவதுடன், உலகளவில் தரவு மையங்களின் ஆற்றல் பயன்பாட்டையும் குறைக்கக்கூடும்.
