ਇੰਟੇਲ ਵਧੇਰੇ ਕੁਸ਼ਲ AI ਲਈ ਆਪਟੀਕਲ ਚਿਪਸ 'ਤੇ ਕੰਮ ਕਰ ਰਿਹਾ ਹੈ

ਫੋਟੋਨਿਕ ਏਕੀਕ੍ਰਿਤ ਸਰਕਟ, ਜਾਂ ਆਪਟੀਕਲ ਚਿਪਸ, ਸੰਭਾਵੀ ਤੌਰ 'ਤੇ ਆਪਣੇ ਇਲੈਕਟ੍ਰਾਨਿਕ ਹਮਰੁਤਬਾ ਦੇ ਮੁਕਾਬਲੇ ਬਹੁਤ ਸਾਰੇ ਫਾਇਦੇ ਪੇਸ਼ ਕਰਦੇ ਹਨ, ਜਿਵੇਂ ਕਿ ਘੱਟ ਬਿਜਲੀ ਦੀ ਖਪਤ ਅਤੇ ਗਣਨਾ ਵਿੱਚ ਘੱਟ ਲੇਟੈਂਸੀ। ਇਸ ਲਈ ਬਹੁਤ ਸਾਰੇ ਖੋਜਕਰਤਾਵਾਂ ਦਾ ਮੰਨਣਾ ਹੈ ਕਿ ਉਹ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਅਤੇ ਨਕਲੀ ਬੁੱਧੀ (AI) ਦੇ ਕੰਮਾਂ ਵਿੱਚ ਬਹੁਤ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਹੋ ਸਕਦੇ ਹਨ। ਇੰਟੇਲ ਇਸ ਦਿਸ਼ਾ ਵਿੱਚ ਸਿਲੀਕਾਨ ਫੋਟੋਨਿਕਸ ਦੀ ਵਰਤੋਂ ਲਈ ਵਧੀਆ ਸੰਭਾਵਨਾਵਾਂ ਵੀ ਦੇਖਦਾ ਹੈ। ਵਿੱਚ ਉਸਦੀ ਖੋਜ ਟੀਮ ਵਿਗਿਆਨਕ ਲੇਖ ਵਿਸਤ੍ਰਿਤ ਨਵੀਆਂ ਤਕਨੀਕਾਂ ਜੋ ਆਪਟੀਕਲ ਨਿਊਰਲ ਨੈੱਟਵਰਕਾਂ ਨੂੰ ਹਕੀਕਤ ਦੇ ਨੇੜੇ ਲਿਆ ਸਕਦੀਆਂ ਹਨ।

ਹਾਲ ਹੀ ਵਿੱਚ ਇੰਟੇਲ ਬਲਾੱਗ ਪੋਸਟਾਂ, ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਨੂੰ ਸਮਰਪਿਤ, ਦੱਸਦਾ ਹੈ ਕਿ ਆਪਟੀਕਲ ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਦੇ ਖੇਤਰ ਵਿੱਚ ਖੋਜ ਕਿਵੇਂ ਸ਼ੁਰੂ ਹੋਈ। ਡੇਵਿਡ ਏਬੀ ਮਿਲਰ ਅਤੇ ਮਾਈਕਲ ਰੇਕ ਦੁਆਰਾ ਕੀਤੀ ਖੋਜ ਨੇ ਦਿਖਾਇਆ ਹੈ ਕਿ ਇੱਕ ਕਿਸਮ ਦੀ ਫੋਟੋਨਿਕ ਸਰਕਟ ਜਿਸਨੂੰ Mach-Zehnder ਇੰਟਰਫੇਰੋਮੀਟਰ (MZI) ਕਿਹਾ ਜਾਂਦਾ ਹੈ ਨੂੰ 2 × 2 ਮੈਟ੍ਰਿਕਸ ਗੁਣਾ ਕਰਨ ਲਈ ਸੰਰਚਿਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ ਜਦੋਂ MZI ਨੂੰ ਵੱਡੇ ਮੈਟ੍ਰਿਕਸ ਨੂੰ ਗੁਣਾ ਕਰਨ ਲਈ ਇੱਕ ਤਿਕੋਣੀ ਜਾਲ 'ਤੇ ਰੱਖਿਆ ਜਾਂਦਾ ਹੈ, ਕੋਈ ਵੀ ਕਰ ਸਕਦਾ ਹੈ। ਇੱਕ ਸਰਕਟ ਪ੍ਰਾਪਤ ਕਰੋ ਜੋ ਮੈਟ੍ਰਿਕਸ-ਵੈਕਟਰ ਗੁਣਾ ਐਲਗੋਰਿਦਮ ਨੂੰ ਲਾਗੂ ਕਰਦਾ ਹੈ, ਇੱਕ ਬੁਨਿਆਦੀ ਗਣਨਾ ਜੋ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਵਿੱਚ ਵਰਤੀ ਜਾਂਦੀ ਹੈ।

ਨਵੀਂ ਇੰਟੈੱਲ ਖੋਜ ਨੇ ਇਸ ਗੱਲ 'ਤੇ ਕੇਂਦ੍ਰਤ ਕੀਤਾ ਕਿ ਕੀ ਹੁੰਦਾ ਹੈ ਜਦੋਂ ਵੱਖ-ਵੱਖ ਨੁਕਸ ਜੋ ਕਿ ਆਪਟੀਕਲ ਚਿਪਸ ਨਿਰਮਾਣ ਦੇ ਦੌਰਾਨ ਸੰਵੇਦਨਸ਼ੀਲ ਹੁੰਦੇ ਹਨ (ਕਿਉਂਕਿ ਕੰਪਿਊਟੇਸ਼ਨਲ ਫੋਟੋਨਿਕਸ ਕੁਦਰਤ ਵਿੱਚ ਐਨਾਲਾਗ ਹੈ) ਇੱਕੋ ਕਿਸਮ ਦੇ ਵੱਖ-ਵੱਖ ਚਿਪਸ ਵਿਚਕਾਰ ਗਣਨਾਤਮਕ ਸ਼ੁੱਧਤਾ ਵਿੱਚ ਅੰਤਰ ਪੈਦਾ ਕਰਦੇ ਹਨ। ਹਾਲਾਂਕਿ ਇਸੇ ਤਰ੍ਹਾਂ ਦੇ ਅਧਿਐਨ ਕਰਵਾਏ ਗਏ ਹਨ, ਅਤੀਤ ਵਿੱਚ ਉਹਨਾਂ ਨੇ ਸੰਭਵ ਅਸ਼ੁੱਧੀਆਂ ਨੂੰ ਖਤਮ ਕਰਨ ਲਈ ਪੋਸਟ-ਫੈਬਰੀਕੇਸ਼ਨ ਓਪਟੀਮਾਈਜੇਸ਼ਨ 'ਤੇ ਵਧੇਰੇ ਧਿਆਨ ਦਿੱਤਾ ਹੈ। ਪਰ ਇਸ ਪਹੁੰਚ ਵਿੱਚ ਮਾੜੀ ਮਾਪਯੋਗਤਾ ਹੈ ਕਿਉਂਕਿ ਨੈਟਵਰਕ ਵੱਡੇ ਹੋ ਜਾਂਦੇ ਹਨ, ਨਤੀਜੇ ਵਜੋਂ ਆਪਟੀਕਲ ਨੈਟਵਰਕ ਸਥਾਪਤ ਕਰਨ ਲਈ ਲੋੜੀਂਦੀ ਕੰਪਿਊਟਿੰਗ ਪਾਵਰ ਵਿੱਚ ਵਾਧਾ ਹੁੰਦਾ ਹੈ। ਪੋਸਟ-ਫੈਬਰੀਕੇਸ਼ਨ ਓਪਟੀਮਾਈਜੇਸ਼ਨ ਦੀ ਬਜਾਏ, ਇੰਟੈਲ ਨੇ ਇੱਕ ਰੌਲਾ-ਸਹਿਣਸ਼ੀਲ ਆਰਕੀਟੈਕਚਰ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਨਿਰਮਾਣ ਤੋਂ ਪਹਿਲਾਂ ਸਿਖਲਾਈ ਚਿਪਸ ਨੂੰ ਇੱਕ ਵਾਰ ਮੰਨਿਆ। ਹਵਾਲਾ ਆਪਟੀਕਲ ਨਿਊਰਲ ਨੈਟਵਰਕ ਨੂੰ ਇੱਕ ਵਾਰ ਸਿਖਲਾਈ ਦਿੱਤੀ ਗਈ ਸੀ, ਜਿਸ ਤੋਂ ਬਾਅਦ ਸਿਖਲਾਈ ਦੇ ਮਾਪਦੰਡਾਂ ਨੂੰ ਉਹਨਾਂ ਦੇ ਭਾਗਾਂ ਵਿੱਚ ਅੰਤਰ ਦੇ ਨਾਲ ਕਈ ਫੈਬਰੀਕੇਟਿਡ ਨੈਟਵਰਕ ਉਦਾਹਰਨਾਂ ਵਿੱਚ ਵੰਡਿਆ ਗਿਆ ਸੀ।

ਇੰਟੈੱਲ ਟੀਮ ਨੇ MZI 'ਤੇ ਆਧਾਰਿਤ ਆਰਟੀਫਿਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਸਿਸਟਮ ਬਣਾਉਣ ਲਈ ਦੋ ਆਰਕੀਟੈਕਚਰ 'ਤੇ ਵਿਚਾਰ ਕੀਤਾ: GridNet ਅਤੇ FFTNet। GridNet MZIs ਨੂੰ ਇੱਕ ਗਰਿੱਡ ਵਿੱਚ ਰੱਖਦਾ ਹੈ, ਜਦੋਂ ਕਿ FFTNet ਉਹਨਾਂ ਨੂੰ ਬਟਰਫਲਾਈ ਪੈਟਰਨਾਂ ਵਿੱਚ ਰੱਖਦਾ ਹੈ। ਹੱਥ ਲਿਖਤ ਅੰਕ ਪਛਾਣ ਡੂੰਘੇ ਸਿਖਲਾਈ ਬੈਂਚਮਾਰਕ ਟਾਸਕ (MNIST) 'ਤੇ ਸਿਮੂਲੇਸ਼ਨ ਵਿੱਚ ਦੋਵਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਤੋਂ ਬਾਅਦ, ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਪਾਇਆ ਕਿ GridNet ਨੇ FFTNet (98% ਬਨਾਮ 95%) ਨਾਲੋਂ ਵੱਧ ਸ਼ੁੱਧਤਾ ਪ੍ਰਾਪਤ ਕੀਤੀ, ਪਰ FFTNet ਆਰਕੀਟੈਕਚਰ "ਮਹੱਤਵਪੂਰਣ ਤੌਰ 'ਤੇ ਵਧੇਰੇ ਮਜ਼ਬੂਤ" ਸੀ। ਵਾਸਤਵ ਵਿੱਚ, ਨਕਲੀ ਸ਼ੋਰ (ਦਖਲਅੰਦਾਜ਼ੀ ਜੋ ਆਪਟੀਕਲ ਚਿੱਪ ਨਿਰਮਾਣ ਵਿੱਚ ਸੰਭਾਵਿਤ ਨੁਕਸਾਂ ਦੀ ਨਕਲ ਕਰਦੀ ਹੈ) ਦੇ ਨਾਲ ਗ੍ਰਿਡਨੈੱਟ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ 50% ਤੋਂ ਹੇਠਾਂ ਡਿੱਗ ਗਈ, ਜਦੋਂ ਕਿ FFTNet ਲਈ ਇਹ ਲਗਭਗ ਸਥਿਰ ਰਿਹਾ।

ਵਿਗਿਆਨੀਆਂ ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ ਉਨ੍ਹਾਂ ਦੀ ਖੋਜ ਨਕਲੀ ਖੁਫੀਆ ਸਿਖਲਾਈ ਦੇ ਤਰੀਕਿਆਂ ਦੀ ਨੀਂਹ ਰੱਖਦੀ ਹੈ ਜੋ ਕੀਮਤੀ ਸਮੇਂ ਅਤੇ ਸਰੋਤਾਂ ਦੀ ਬਚਤ ਕਰਦੇ ਹੋਏ, ਆਪਟੀਕਲ ਚਿਪਸ ਦੇ ਉਤਪਾਦਨ ਤੋਂ ਬਾਅਦ ਉਨ੍ਹਾਂ ਨੂੰ ਵਧੀਆ-ਟਿਊਨ ਕਰਨ ਦੀ ਜ਼ਰੂਰਤ ਨੂੰ ਖਤਮ ਕਰ ਸਕਦੀ ਹੈ।

"ਕਿਸੇ ਵੀ ਨਿਰਮਾਣ ਪ੍ਰਕਿਰਿਆ ਦੇ ਨਾਲ, ਕੁਝ ਨੁਕਸ ਪੈਦਾ ਹੋਣਗੇ ਜਿਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਚਿਪਸ ਵਿਚਕਾਰ ਛੋਟੇ ਅੰਤਰ ਹੋਣਗੇ ਜੋ ਗਣਨਾਵਾਂ ਦੀ ਸ਼ੁੱਧਤਾ ਨੂੰ ਪ੍ਰਭਾਵਤ ਕਰਨਗੇ," ਇੰਟੇਲ ਏਆਈ ਉਤਪਾਦ ਸਮੂਹ ਦੇ ਸੀਨੀਅਰ ਨਿਰਦੇਸ਼ਕ, ਕਾਸਿਮੀਰ ਵਿਅਰਜ਼ਿੰਸਕੀ ਲਿਖਦੇ ਹਨ। “ਜੇਕਰ ਆਪਟੀਕਲ ਨਿਊਰਲ ਇਕਾਈਆਂ ਨੂੰ ਏਆਈ ਹਾਰਡਵੇਅਰ ਈਕੋਸਿਸਟਮ ਦਾ ਇੱਕ ਵਿਹਾਰਕ ਹਿੱਸਾ ਬਣਨਾ ਹੈ, ਤਾਂ ਉਹਨਾਂ ਨੂੰ ਵੱਡੇ ਚਿਪਸ ਅਤੇ ਉਦਯੋਗਿਕ ਨਿਰਮਾਣ ਤਕਨਾਲੋਜੀਆਂ ਵਿੱਚ ਜਾਣ ਦੀ ਲੋੜ ਹੋਵੇਗੀ। ਸਾਡੀ ਖੋਜ ਦਰਸਾਉਂਦੀ ਹੈ ਕਿ ਸਾਹਮਣੇ ਸਹੀ ਆਰਕੀਟੈਕਚਰ ਦੀ ਚੋਣ ਕਰਨਾ ਇਸ ਸੰਭਾਵਨਾ ਨੂੰ ਮਹੱਤਵਪੂਰਣ ਰੂਪ ਨਾਲ ਵਧਾ ਸਕਦਾ ਹੈ ਕਿ ਨਤੀਜੇ ਵਜੋਂ ਚਿਪਸ ਲੋੜੀਂਦੇ ਪ੍ਰਦਰਸ਼ਨ ਨੂੰ ਪ੍ਰਾਪਤ ਕਰਨਗੇ, ਭਾਵੇਂ ਕਿ ਨਿਰਮਾਣ ਭਿੰਨਤਾਵਾਂ ਦੀ ਮੌਜੂਦਗੀ ਵਿੱਚ ਵੀ।"

ਉਸੇ ਸਮੇਂ ਜਦੋਂ ਇੰਟੇਲ ਮੁੱਖ ਤੌਰ 'ਤੇ ਖੋਜ ਕਰ ਰਿਹਾ ਹੈ, ਐਮਆਈਟੀ ਪੀਐਚਡੀ ਉਮੀਦਵਾਰ ਯੀਚੇਨ ਸ਼ੇਨ ਨੇ ਬੋਸਟਨ-ਅਧਾਰਤ ਸਟਾਰਟਅੱਪ ਲਾਈਟਲਿਜੈਂਸ ਦੀ ਸਥਾਪਨਾ ਕੀਤੀ, ਜਿਸ ਨੇ ਉੱਦਮ ਫੰਡਿੰਗ ਵਿੱਚ $10,7 ਮਿਲੀਅਨ ਇਕੱਠੇ ਕੀਤੇ ਹਨ ਅਤੇ ਹਾਲ ਹੀ ਵਿੱਚ ਪ੍ਰਦਰਸ਼ਨ ਕੀਤਾ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਲਈ ਇੱਕ ਪ੍ਰੋਟੋਟਾਈਪ ਆਪਟੀਕਲ ਚਿੱਪ ਜੋ ਆਧੁਨਿਕ ਇਲੈਕਟ੍ਰਾਨਿਕ ਚਿੱਪਾਂ ਨਾਲੋਂ 100 ਗੁਣਾ ਤੇਜ਼ ਹੈ ਅਤੇ ਤੀਬਰਤਾ ਦੇ ਕ੍ਰਮ ਦੁਆਰਾ ਬਿਜਲੀ ਦੀ ਖਪਤ ਨੂੰ ਵੀ ਘਟਾਉਂਦੀ ਹੈ, ਜੋ ਇੱਕ ਵਾਰ ਫਿਰ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਫੋਟੋਨਿਕ ਤਕਨਾਲੋਜੀਆਂ ਦੇ ਵਾਅਦੇ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ।

ਸਰੋਤ: 3dnews.ru