इंटेल अधिक कुशल एआई के लिए ऑप्टिकल चिप्स पर काम कर रहा है

फोटोनिक इंटीग्रेटेड सर्किट, या ऑप्टिकल चिप्स, संभावित रूप से अपने इलेक्ट्रॉनिक समकक्षों की तुलना में कई फायदे प्रदान करते हैं, जैसे कम बिजली की खपत और गणना में कम विलंबता। इसीलिए कई शोधकर्ताओं का मानना ​​है कि ये मशीन लर्निंग और आर्टिफिशियल इंटेलिजेंस (एआई) कार्यों में बेहद प्रभावी हो सकते हैं। इंटेल भी इस दिशा में सिलिकॉन फोटोनिक्स के उपयोग की काफी संभावनाएं देखता है। उनकी शोध टीम वैज्ञानिक लेख विस्तृत नई तकनीकें जो ऑप्टिकल न्यूरल नेटवर्क को वास्तविकता के एक कदम करीब ला सकती हैं।

हाल में इंटेल ब्लॉग पोस्टमशीन लर्निंग के लिए समर्पित, वर्णन करता है कि ऑप्टिकल न्यूरल नेटवर्क के क्षेत्र में अनुसंधान कैसे शुरू हुआ। डेविड एबी मिलर और माइकल रेक के शोध से पता चला है कि एक प्रकार का फोटोनिक सर्किट जिसे मैक-ज़ेन्डर इंटरफेरोमीटर (एमजेडआई) के रूप में जाना जाता है, को 2 × 2 मैट्रिक्स गुणन करने के लिए कॉन्फ़िगर किया जा सकता है जब बड़े मैट्रिक्स को गुणा करने के लिए त्रिकोणीय जाल पर एमजेडआई रखा जाता है, कोई भी कर सकता है एक सर्किट प्राप्त करें जो मैट्रिक्स-वेक्टर गुणन एल्गोरिदम को लागू करता है, जो मशीन लर्निंग में उपयोग की जाने वाली एक बुनियादी गणना है।

नए इंटेल अनुसंधान ने इस बात पर ध्यान केंद्रित किया कि क्या होता है जब विनिर्माण के दौरान ऑप्टिकल चिप्स में होने वाले विभिन्न दोष (क्योंकि कम्प्यूटेशनल फोटोनिक्स प्रकृति में एनालॉग होते हैं) एक ही प्रकार के विभिन्न चिप्स के बीच कम्प्यूटेशनल सटीकता में अंतर पैदा करते हैं। हालाँकि इसी तरह के अध्ययन आयोजित किए गए हैं, अतीत में उन्होंने संभावित अशुद्धियों को खत्म करने के लिए निर्माण के बाद के अनुकूलन पर अधिक ध्यान केंद्रित किया था। लेकिन इस दृष्टिकोण में खराब स्केलेबिलिटी है क्योंकि नेटवर्क बड़े हो जाते हैं, जिसके परिणामस्वरूप ऑप्टिकल नेटवर्क स्थापित करने के लिए आवश्यक कंप्यूटिंग शक्ति में वृद्धि होती है। पोस्ट-फैब्रिकेशन ऑप्टिमाइज़ेशन के बजाय, इंटेल ने शोर-सहिष्णु वास्तुकला का उपयोग करके विनिर्माण से पहले एक बार प्रशिक्षण चिप्स पर विचार किया। संदर्भ ऑप्टिकल तंत्रिका नेटवर्क को एक बार प्रशिक्षित किया गया था, जिसके बाद प्रशिक्षण मापदंडों को उनके घटकों में अंतर के साथ कई निर्मित नेटवर्क उदाहरणों में वितरित किया गया था।

इंटेल टीम ने एमजेडआई पर आधारित कृत्रिम बुद्धिमत्ता प्रणाली के निर्माण के लिए दो आर्किटेक्चर पर विचार किया: ग्रिडनेट और एफएफटीनेट। ग्रिडनेट अनुमानित रूप से एमजेडआई को ग्रिड में रखता है, जबकि एफएफटीनेट उन्हें तितलियों में रखता है। हस्तलिखित अंक पहचान गहन शिक्षण बेंचमार्क कार्य (एमएनआईएसटी) पर एक सिमुलेशन में दोनों को प्रशिक्षित करने के बाद, शोधकर्ताओं ने पाया कि ग्रिडनेट ने एफएफटीनेट (98% बनाम 95%) की तुलना में उच्च सटीकता हासिल की, लेकिन एफएफटीनेट आर्किटेक्चर "काफी अधिक मजबूत" था। वास्तव में, कृत्रिम शोर (हस्तक्षेप जो ऑप्टिकल चिप निर्माण में संभावित दोषों का अनुकरण करता है) के शामिल होने से ग्रिडनेट का प्रदर्शन 50% से नीचे गिर गया, जबकि एफएफटीनेट के लिए यह लगभग स्थिर रहा।

वैज्ञानिकों का कहना है कि उनका शोध कृत्रिम बुद्धिमत्ता प्रशिक्षण विधियों की नींव रखता है जो उत्पादन के बाद ऑप्टिकल चिप्स को ठीक करने की आवश्यकता को समाप्त कर सकता है, जिससे मूल्यवान समय और संसाधनों की बचत होगी।

इंटेल एआई उत्पाद समूह के वरिष्ठ निदेशक कासिमिर विर्ज़िंस्की लिखते हैं, "किसी भी विनिर्माण प्रक्रिया की तरह, कुछ दोष उत्पन्न होंगे, जिसका मतलब है कि चिप्स के बीच छोटे अंतर होंगे जो गणना की सटीकता को प्रभावित करेंगे।" “यदि ऑप्टिकल न्यूरल संस्थाओं को एआई हार्डवेयर पारिस्थितिकी तंत्र का एक व्यवहार्य हिस्सा बनना है, तो उन्हें बड़े चिप्स और औद्योगिक विनिर्माण प्रौद्योगिकियों की ओर बढ़ने की आवश्यकता होगी। हमारे शोध से पता चलता है कि सही आर्किटेक्चर का चयन करने से यह संभावना काफी बढ़ सकती है कि परिणामी चिप्स विनिर्माण विविधताओं की उपस्थिति में भी वांछित प्रदर्शन प्राप्त करेंगे।

उसी समय जब इंटेल मुख्य रूप से अनुसंधान कर रहा है, एमआईटी पीएचडी उम्मीदवार यिचेन शेन ने बोस्टन स्थित स्टार्टअप लाइटेलिजेंस की स्थापना की, जिसने उद्यम निधि में 10,7 मिलियन डॉलर जुटाए हैं और हाल ही में प्रदर्शित किया गया मशीन लर्निंग के लिए एक प्रोटोटाइप ऑप्टिकल चिप जो आधुनिक इलेक्ट्रॉनिक चिप्स की तुलना में 100 गुना तेज है और बिजली की खपत को भी परिमाण के क्रम से कम करती है, जो एक बार फिर फोटोनिक प्रौद्योगिकियों के वादे को स्पष्ट रूप से प्रदर्शित करती है।

स्रोत: 3dnews.ru