सुपरकॉम्प्युटिंग प्रगती: न्यूरोमॉर्फिक ऑप्टिकल नेटवर्क वापरणे

गेल्या काही दशकांमध्ये, एकेकाळी सुप्रसिद्ध आणि अचूक ट्रेंड, 1965 मध्ये IBM च्या गॉर्डन मूरने भाकीत केलेला मूरचा कायदा, आता हळूहळू संगणकीय कार्यक्षमतेचे एक निरुपयोगी माप बनत आहे. मूरच्या कायद्याने भाकीत केले आहे की एकात्मिक सर्किटमधील ट्रान्झिस्टरची संख्या सुमारे प्रत्येक दोन वर्षांनी दुप्पट होईल, त्याच जागेत अधिक ट्रान्झिस्टर असतील, ज्यामुळे गणना वाढते आणि त्यामुळे संगणकाची कार्यक्षमता वाढते. एप्रिल 2005 मध्ये, एका मुलाखतीत, गॉर्डन मूरने स्वत: सांगितले होते की त्यांचे प्रक्षेपण यापुढे टिकाऊ राहणार नाही: “आकाराच्या बाबतीत [ट्रान्झिस्टरच्या] संदर्भात आपण पाहू शकता की आपण अणूंच्या आकाराच्या जवळ येत आहोत जो एक मूलभूत अडथळा आहे, परंतु ते आम्हाला तेथपर्यंत पोहोचायला दोन किंवा तीन पिढ्या लागतील - पण ते आतापर्यंत आपण पाहू शकलो आहोत. मूलभूत मर्यादेपर्यंत पोहोचण्यासाठी आमच्याकडे आणखी 10 ते 20 वर्षे आहेत.   

मूरचा कायदा काही डेड-एंड मारण्यासाठी नशिबात असला तरी, संगणनाचे इतर संकेतक लागू होण्यात वाढ होत आहेत. आपण आपल्या दैनंदिन जीवनात वापरत असलेल्या तंत्रज्ञानामुळे, आपण सर्वजण संगणकाचा ट्रेंड लहान आणि लहान होत असल्याचे पाहू शकतो परंतु डिव्हाइसच्या बॅटरी जास्त आणि जास्त काळ टिकत असल्याचे देखील पाहू शकतो. बॅटरीच्या नंतरच्या ट्रेंडला कूमीचा कायदा असे म्हणतात, ज्याचे नाव स्टॅनफोर्ड विद्यापीठाचे प्राध्यापक जोनाथन कूमी यांच्या नावावर आहे. Koomey च्या कायद्याने असे भाकीत केले आहे की "... एका निश्चित संगणकीय लोडवर, आपल्याला आवश्यक असलेल्या बॅटरीचे प्रमाण प्रत्येक दीड वर्षात दोन घटकांनी कमी होईल." त्यामुळे, संगणकाचा इलेक्ट्रॉनिक वीज वापर किंवा ऊर्जा कार्यक्षमता दर 18 महिन्यांनी दुप्पट होत आहे. तर, हे सर्व ट्रेंड आणि बदल कोणत्या दिशेने निर्देश करत आहेत आणि प्रकट करत आहेत हे संगणकीय भविष्य आहे.

संगणकीय भविष्य

आम्ही इतिहासात अशा वेळी आलो आहोत जिथे आम्हाला संगणकाची पुन्हा व्याख्या करावी लागत आहे कारण अनेक दशकांपूर्वी भाकीत केलेले ट्रेंड आणि कायदे आता लागू होणार नाहीत. तसेच, संगणकीय नॅनो आणि क्वांटम स्केलकडे ढकलत असताना, स्पष्ट शारीरिक मर्यादा आणि आव्हाने आहेत. कदाचित सुपरकंप्युटिंगमधील सर्वात उल्लेखनीय प्रयत्न, क्वांटम कंप्युटिंग, समांतर गणनेसाठी क्वांटम एंगलमेंटचा खरोखर वापर करण्याचे स्पष्ट आव्हान आहे, म्हणजेच क्वांटम डीकोहरेन्सपूर्वी गणना करणे. तथापि, क्वांटम संगणनाची आव्हाने असूनही गेल्या काही दशकांमध्ये बरीच प्रगती झाली आहे. क्वांटम कंप्युटिंगला लागू केलेल्या पारंपारिक जॉन फॉन न्यूमन कॉम्प्युटर आर्किटेक्चरचे मॉडेल शोधू शकतात. परंतु (सुपर)कंप्युटिंगचे आणखी एक प्रसिद्ध क्षेत्र आहे, ज्याला न्यूरोमॉर्फिक संगणना म्हटले जाते जे पारंपारिक वॉन न्यूमन आर्किटेक्चरचे पालन करत नाही. 

न्यूरोमॉर्फिक संगणनाची कल्पना कॅल्टेक प्रोफेसर कार्व्हर मीड यांनी 1990 मध्ये त्यांच्या सेमिनल पेपरमध्ये परत केली होती. मूलभूतपणे, न्यूरोमॉर्फिक संगणनाची तत्त्वे कृतीच्या सैद्धांतिक जैविक तत्त्वांवर आधारित आहेत, जसे की मानवी मेंदू गणनेमध्ये वापरला जातो. न्यूरोमॉर्फिक कंप्युटिंग सिद्धांत विरुद्ध शास्त्रीय वॉन न्यूमन संगणन सिद्धांत यांच्यातील संक्षिप्त फरक डॉन मनरो यांनी एका लेखात सारांशित केला होता. कम्प्यूटिंग मशीनरी असोसिएशन जर्नल विधान असे आहे: “पारंपारिक वॉन न्यूमन आर्किटेक्चरमध्ये, एक शक्तिशाली लॉजिक कोअर (किंवा समांतर अनेक) मेमरीमधून मिळवलेल्या डेटावर अनुक्रमे कार्य करते. याउलट, 'न्यूरोमॉर्फिक' कंप्युटिंग मोठ्या संख्येने तुलनेने आदिम 'न्यूरॉन्स'मध्ये गणना आणि मेमरी दोन्ही वितरीत करते, प्रत्येक 'सिनॅप्स' द्वारे शेकडो किंवा हजारो इतर न्यूरॉन्सशी संवाद साधते.  

न्यूरोमॉर्फिक कंप्युटिंगच्या इतर प्रमुख वैशिष्ट्यांमध्ये दोष असहिष्णुता समाविष्ट आहे, ज्याचा उद्देश मानवी मेंदूच्या न्यूरॉन्स गमावण्याची आणि तरीही कार्य करण्यास सक्षम असण्याची क्षमता मॉडेल करणे आहे. समानतेने, पारंपारिक संगणनामध्ये एका ट्रान्झिस्टरचे नुकसान योग्य कार्यावर परिणाम करते. न्यूरोमॉर्फिक कंप्युटिंगचा आणखी एक कल्पना केलेला आणि उद्दीष्ट फायदा म्हणजे प्रोग्राम करण्याची आवश्यकता नाही; हे शेवटचे उद्दिष्ट पुन्हा मानवी मेंदूच्या शिकण्याची, प्रतिसाद देण्याची आणि सिग्नलशी जुळवून घेण्याच्या क्षमतेचे मॉडेलिंग आहे. अशा प्रकारे, न्यूरोमॉर्फिक संगणन सध्या मशीन शिक्षण आणि कृत्रिम बुद्धिमत्ता कार्यांसाठी सर्वोत्तम उमेदवार आहे. 

न्यूरोमॉर्फिक सुपरकॉम्प्युटिंगची प्रगती

या लेखाचा उर्वरित भाग न्यूरोमॉर्फिक सुपरकॉम्प्युटिंगच्या प्रगतीचा अभ्यास करेल. विशेषतः, अलीकडेच अलेक्झांडर टेट एट कडून आर्किव्हवर प्रकाशित संशोधन. al प्रिन्स्टन युनिव्हर्सिटीच्या बाहेर दाखवले आहे की सिलिकॉन-आधारित फोटोनिक न्यूरल नेटवर्क मॉडेल जवळजवळ 2000 पटीने पारंपारिक संगणन पद्धतीपेक्षा जास्त कामगिरी करते. कॉम्प्युटिंगच्या या न्यूरोमॉर्फिक फोटोनिक प्लॅटफॉर्ममुळे अल्ट्राफास्ट माहिती प्रक्रिया होऊ शकते. 

टेट इ. al शीर्षक असलेला कागद न्यूरोमॉर्फिक सिलिकॉन फोटोनिक्स कॉम्प्युटिंगसाठी इलेक्ट्रोमॅग्नेटिक रेडिएशनचे फोटोनिक प्रकाश स्वरूप वापरण्याचे साधक आणि बाधक वर्णन करणे सुरू होते. पेपरचे सुरुवातीचे मुख्य मुद्दे म्हणजे प्रकाशाचा वापर माहितीच्या प्रेषणासाठी मोठ्या प्रमाणावर केला गेला आहे परंतु माहितीच्या परिवर्तनासाठी नाही, म्हणजे डिजिटल ऑप्टिकल संगणनासाठी. त्याचप्रमाणे, क्वांटम कॉम्प्युटिंगसाठी, डिजिटल ऑप्टिकल संगणनासाठी मूलभूत भौतिक आव्हाने आहेत. पेपर नंतर टेट एट या पूर्वीच्या प्रस्तावित न्यूरोमॉर्फिक फोटोनिक कॉम्प्युटिंग प्लॅटफॉर्मच्या तपशीलांमध्ये जातो. al 2014 मध्ये प्रकाशित संघ, शीर्षक प्रसारण आणि वजन: स्केलेबल फोटोनिक स्पाइक प्रक्रियेसाठी एकात्मिक नेटवर्क. त्यांचा नवीन पेपर एकात्मिक फोटोनिक न्यूरल नेटवर्कच्या पहिल्या प्रायोगिक प्रात्यक्षिकाच्या परिणामांचे वर्णन करतो. 

"प्रसारण आणि वजन" कंप्युटिंग आर्किटेक्चरमध्ये, "नोड्स" ला एक अद्वितीय "तरंगलांबी वाहक" नियुक्त केले जाते जे "वेव्हलेंथ डिव्हिजन मल्टीप्लेक्स (WDM)" असते आणि नंतर इतर "नोड्स" वर प्रसारित केले जाते. या आर्किटेक्चरमधील "नोड्स" मानवी मेंदूतील न्यूरॉन वर्तनाचे अनुकरण करण्यासाठी आहेत. नंतर “WDM” सिग्नल्सवर “मायक्रोरिंग (MRR) वेट बँक्स” नावाच्या सतत-मूल्य असलेल्या फिल्टरद्वारे प्रक्रिया केली जाते आणि नंतर मोजलेल्या एकूण पॉवर डिटेक्शन व्हॅल्यूमध्ये इलेक्ट्रिकली बेरीज केली जाते. या शेवटच्या इलेक्ट्रो-ऑप्टिक ट्रान्सफॉर्मेशन/कॉम्प्युटेशनची नॉन-लाइनरिटी म्हणजे न्यूरॉन कार्यक्षमतेची नक्कल करण्यासाठी आवश्यक असलेली नॉन-लाइनरिटी, न्यूरोमॉर्फिक तत्त्वांनुसार गणना करण्यासाठी आवश्यक आहे. 

पेपरमध्ये, ते चर्चा करतात की हे प्रायोगिकरित्या सत्यापित इलेक्ट्रो-ऑप्टिक ट्रान्सफॉर्मेशन डायनॅमिक्स गणितीयदृष्ट्या "2-नोड सतत-वेळ रिकरंट न्यूरल नेटवर्क" (CTRNN) मॉडेलसारखे आहेत. हे अग्रगण्य परिणाम सूचित करतात की CTRNN मॉडेलसाठी वापरलेली प्रोग्रामिंग साधने सिलिकॉन-आधारित न्यूरोमॉर्फिक प्लॅटफॉर्मवर लागू केली जाऊ शकतात. या शोधामुळे न्यूरोमॉर्फिक सिलिकॉन फोटोनिक्समध्ये CTRNN पद्धतीचे रुपांतर करण्याचा मार्ग खुला होतो. त्यांच्या पेपरमध्ये, ते त्यांच्या "प्रसारण आणि वजन" आर्किटेक्चरवर असे मॉडेल रूपांतर करतात. परिणाम दर्शविते की त्यांच्या 49-नोड आर्किटेक्चरवर सिम्युलेट केलेले CTRNN मॉडेल 3 ऑर्डरच्या परिमाणाने शास्त्रीय संगणन मॉडेलला मागे टाकण्यासाठी न्यूरोमॉर्फिक कंप्युटिंग आर्किटेक्चर देते.