सुपरकंप्यूटिंग प्रगति: न्यूरोमॉर्फिक ऑप्टिकल नेटवर्क का उपयोग करना

पिछले कुछ दशकों में, एक बार प्रसिद्ध और सटीक प्रवृत्ति, मूर का नियम, जिसकी भविष्यवाणी 1965 में आईबीएम के गॉर्डन मूर ने की थी, अब धीरे-धीरे कंप्यूटिंग प्रदर्शन का एक निष्क्रिय माप बन रहा है। मूर के नियम ने भविष्यवाणी की थी कि लगभग हर दो साल में एक एकीकृत सर्किट में ट्रांजिस्टर की संख्या दोगुनी हो जाएगी, उतनी ही जगह में अधिक ट्रांजिस्टर होंगे, जिससे गणना में वृद्धि होगी और इस प्रकार कंप्यूटर का प्रदर्शन बढ़ेगा। अप्रैल 2005 में, एक साक्षात्कार में, गॉर्डन मूर ने स्वयं कहा था कि उनका प्रक्षेपण अब टिकाऊ नहीं होगा: "[ट्रांजिस्टर के] आकार के संदर्भ में आप देख सकते हैं कि हम परमाणुओं के आकार के करीब पहुंच रहे हैं जो एक मौलिक बाधा है, लेकिन यह इतनी दूर तक पहुंचने में हमें दो या तीन पीढ़ियां लग जाएंगी—लेकिन यह उतना ही दूर है जितना हम कभी देख पाए हैं। मौलिक सीमा तक पहुंचने से पहले हमारे पास 10 से 20 साल और हैं।''   

हालाँकि मूर का नियम कुछ गतिरोधों तक पहुँचने के लिए अभिशप्त है, कंप्यूटिंग के अन्य संकेतक प्रयोज्यता में वृद्धि देख रहे हैं। हम अपने दैनिक जीवन में जिस तकनीक का उपयोग करते हैं, उससे हम सभी कंप्यूटरों के छोटे होने का चलन देख सकते हैं, लेकिन यह भी देख सकते हैं कि डिवाइस की बैटरी लंबे समय तक चल रही है। बैटरियों के साथ नवीनतम प्रवृत्ति को कूमी का नियम कहा जाता है, जिसका नाम स्टैनफोर्ड विश्वविद्यालय के प्रोफेसर जोनाथन कूमी के नाम पर रखा गया है। कूमी का नियम भविष्यवाणी करता है कि "... एक निश्चित कंप्यूटिंग लोड पर, आपके लिए आवश्यक बैटरी की मात्रा हर डेढ़ साल में दो गुना कम हो जाएगी।" इसलिए, कंप्यूटर की इलेक्ट्रॉनिक बिजली खपत या ऊर्जा दक्षता हर 18 महीने में दोगुनी हो रही है। तो, ये सभी रुझान और परिवर्तन किस ओर इशारा कर रहे हैं और खुलासा कर रहे हैं वह कंप्यूटिंग का भविष्य है।

कंप्यूटिंग का भविष्य

हम इतिहास में ऐसे समय में आ गए हैं जहां हमें कंप्यूटिंग को फिर से परिभाषित करना पड़ रहा है क्योंकि कई दशकों पहले जिन रुझानों और कानूनों की भविष्यवाणी की गई थी वे अब लागू नहीं होते हैं। इसके अलावा, जैसे-जैसे कंप्यूटिंग नैनो और क्वांटम स्केल की ओर बढ़ रही है, स्पष्ट भौतिक सीमाएं और चुनौतियां हैं जिन पर काबू पाना बाकी है। शायद सुपरकंप्यूटिंग में सबसे उल्लेखनीय प्रयास, क्वांटम कंप्यूटिंग, में समानांतर गणना के लिए क्वांटम उलझाव का सही मायने में उपयोग करने की स्पष्ट चुनौती है, यानी क्वांटम डिकोहरेंस से पहले गणना करना। हालाँकि, क्वांटम कंप्यूटिंग की चुनौतियों के बावजूद पिछले कुछ दशकों में काफी प्रगति हुई है। क्वांटम कंप्यूटिंग पर लागू पारंपरिक जॉन वॉन न्यूमैन कंप्यूटर आर्किटेक्चर के मॉडल मिल सकते हैं। लेकिन (सुपर) कंप्यूटिंग का एक और कम प्रसिद्ध क्षेत्र है, जिसे न्यूरोमॉर्फिक कंप्यूटिंग कहा जाता है जो पारंपरिक वॉन न्यूमैन वास्तुकला का पालन नहीं करता है। 

न्यूरोमॉर्फिक कंप्यूटिंग की कल्पना कैल्टेक प्रोफेसर कार्वर मीड ने 1990 में अपने मौलिक पेपर में की थी। मूल रूप से, न्यूरोमॉर्फिक कंप्यूटिंग के सिद्धांत कार्रवाई के सैद्धांतिक जैविक सिद्धांतों पर आधारित हैं, जैसे कि गणना में मानव मस्तिष्क द्वारा उपयोग किए जाने वाले सिद्धांत। न्यूरोमॉर्फिक कंप्यूटिंग सिद्धांत बनाम शास्त्रीय वॉन न्यूमैन कंप्यूटिंग सिद्धांत के बीच एक संक्षिप्त अंतर को डॉन मोनरो के एक लेख में संक्षेपित किया गया था। संगणक तंत्र संस्था पत्रिका. कथन इस प्रकार है: “पारंपरिक वॉन न्यूमैन वास्तुकला में, एक शक्तिशाली लॉजिक कोर (या समानांतर में कई) मेमोरी से प्राप्त डेटा पर क्रमिक रूप से काम करता है। इसके विपरीत, 'न्यूरोमोर्फिक' कंप्यूटिंग अपेक्षाकृत आदिम 'न्यूरॉन्स' की एक बड़ी संख्या के बीच गणना और मेमोरी दोनों को वितरित करती है, प्रत्येक 'सिनैप्स' के माध्यम से सैकड़ों या हजारों अन्य न्यूरॉन्स के साथ संचार करता है।''  

न्यूरोमॉर्फिक कंप्यूटिंग की अन्य प्रमुख विशेषताओं में दोष असहिष्णुता शामिल है, जिसका उद्देश्य मानव मस्तिष्क की न्यूरॉन्स को खोने और फिर भी कार्य करने में सक्षम होने की क्षमता को मॉडल करना है। समान रूप से, पारंपरिक कंप्यूटिंग में एक ट्रांजिस्टर का नुकसान उचित कार्यप्रणाली को प्रभावित करता है। न्यूरोमॉर्फिक कंप्यूटिंग का एक और कल्पित और लक्षित लाभ यह है कि इसे प्रोग्राम करने की कोई आवश्यकता नहीं है; यह अंतिम उद्देश्य फिर से मानव मस्तिष्क की सीखने, प्रतिक्रिया करने और संकेतों के अनुकूल होने की क्षमता का मॉडलिंग करना है। इस प्रकार, न्यूरोमॉर्फिक कंप्यूटिंग वर्तमान में मशीन लर्निंग और कृत्रिम बुद्धिमत्ता कार्यों के लिए सबसे अच्छा उम्मीदवार है। 

न्यूरोमॉर्फिक सुपरकंप्यूटिंग की प्रगति

इस लेख का शेष भाग न्यूरोमॉर्फिक सुपरकंप्यूटिंग की प्रगति पर प्रकाश डालेगा। विशेष रूप से, हाल ही में अलेक्जेंडर टैट एट से आर्क्सिव पर प्रकाशित शोध। अल. प्रिंसटन यूनिवर्सिटी के शोध से पता चलता है कि एक सिलिकॉन-आधारित फोटोनिक न्यूरल नेटवर्क मॉडल पारंपरिक कंप्यूटिंग दृष्टिकोण से लगभग 2000 गुना बेहतर प्रदर्शन करता है। कंप्यूटिंग का यह न्यूरोमॉर्फिक फोटोनिक प्लेटफॉर्म अल्ट्राफास्ट सूचना प्रसंस्करण को जन्म दे सकता है। 

टैट एट. अल. कागज हकदार न्यूरोमोर्फिक सिलिकॉन फोटोनिक्स कंप्यूटिंग के लिए विद्युत चुम्बकीय विकिरण के फोटोनिक प्रकाश रूप का उपयोग करने के पेशेवरों और विपक्षों का वर्णन शुरू होता है। पेपर के शुरुआती मुख्य बिंदु यह हैं कि प्रकाश का उपयोग सूचना प्रसारण के लिए व्यापक रूप से किया गया है, लेकिन सूचना परिवर्तन, यानी डिजिटल ऑप्टिकल कंप्यूटिंग के लिए नहीं। इसी तरह, क्वांटम कंप्यूटिंग के लिए, डिजिटल ऑप्टिकल कंप्यूटिंग के लिए मूलभूत भौतिक चुनौतियाँ हैं। इसके बाद पेपर पहले प्रस्तावित न्यूरोमोर्फिक फोटोनिक कंप्यूटिंग प्लेटफॉर्म टैट एट के विवरण में जाता है। अल. टीम ने 2014 में प्रकाशित किया, जिसका शीर्षक है प्रसारण और वजन: स्केलेबल फोटोनिक स्पाइक प्रसंस्करण के लिए एक एकीकृत नेटवर्क. उनका नया पेपर एक एकीकृत फोटोनिक तंत्रिका नेटवर्क के पहले प्रयोगात्मक प्रदर्शन के परिणामों का वर्णन करता है। 

"प्रसारण और भार" कंप्यूटिंग आर्किटेक्चर में, "नोड्स" को एक अद्वितीय "तरंगदैर्ध्य वाहक" सौंपा गया है जो कि "तरंगदैर्ध्य डिवीजन मल्टीप्लेक्स (डब्ल्यूडीएम)" है और फिर अन्य "नोड्स" पर प्रसारित किया जाता है। इस वास्तुकला में "नोड्स" मानव मस्तिष्क में न्यूरॉन व्यवहार का अनुकरण करने के लिए हैं। फिर "डब्ल्यूडीएम" संकेतों को "माइक्रोरिंग (एमआरआर) वेट बैंक" नामक निरंतर-मूल्य वाले फिल्टर के माध्यम से संसाधित किया जाता है और फिर विद्युत रूप से मापा कुल पावर डिटेक्शन मूल्य में जोड़ दिया जाता है। इस अंतिम इलेक्ट्रो-ऑप्टिक परिवर्तन/गणना की गैर-रैखिकता बिल्कुल न्यूरॉन कार्यक्षमता की नकल करने के लिए आवश्यक गैर-रैखिकता है, जो न्यूरोमॉर्फिक सिद्धांतों के तहत कंप्यूटिंग के लिए आवश्यक है। 

पेपर में, वे चर्चा करते हैं कि ये प्रयोगात्मक रूप से सत्यापित इलेक्ट्रो-ऑप्टिक परिवर्तन गतिशीलता गणितीय रूप से "2-नोड निरंतर-समय आवर्ती तंत्रिका नेटवर्क" (सीटीआरएनएन) मॉडल के समान हैं। इन अग्रणी परिणामों से पता चलता है कि सीटीआरएनएन मॉडल के लिए उपयोग किए जाने वाले प्रोग्रामिंग टूल को सिलिकॉन-आधारित न्यूरोमोर्फिक प्लेटफार्मों पर लागू किया जा सकता है। यह खोज सीटीआरएनएन पद्धति को न्यूरोमॉर्फिक सिलिकॉन फोटोनिक्स में अपनाने का मार्ग खोलती है। अपने पेपर में, वे अपने "प्रसारण और वजन" आर्किटेक्चर पर ऐसा ही एक मॉडल अनुकूलन करते हैं। नतीजे बताते हैं कि उनके 49-नोड आर्किटेक्चर पर सिम्युलेटेड सीटीआरएनएन मॉडल परिमाण के 3 ऑर्डरों द्वारा शास्त्रीय कंप्यूटिंग मॉडल को बेहतर प्रदर्शन करने के लिए न्यूरोमोर्फिक कंप्यूटिंग आर्किटेक्चर उत्पन्न करता है।