सुपरकम्प्युटिंग प्रगतिहरू: न्यूरोमोर्फिक अप्टिकल नेटवर्कहरू प्रयोग गर्दै

पछिल्ला केही दशकहरूमा, एक पटक प्रसिद्ध र सही प्रवृति, मूरको कानून, 1965 मा IBM का गोर्डन मूरले भविष्यवाणी गरेको थियो, अब बिस्तारै कम्प्युटिङ कार्यसम्पादनको एक अपर्याप्त मापन हुँदै गइरहेको छ। मूरको कानूनले भविष्यवाणी गर्‍यो कि लगभग हरेक दुई वर्षमा एकीकृत सर्किटमा ट्रान्जिस्टरहरूको संख्या दोब्बर हुनेछ, कि त्यहाँ समान मात्रामा थप ट्रान्जिस्टरहरू हुनेछन्, जसले गणना बढाउँछ र यसरी कम्प्युटर कार्यसम्पादनमा वृद्धि हुन्छ। अप्रिल 2005 मा, एक अन्तर्वार्तामा, गोर्डन मूर आफैंले आफ्नो प्रक्षेपण अब दिगो नहुने बताए: "आकार [ट्रान्जिस्टरहरूको] सर्तमा तपाईले देख्न सक्नुहुन्छ कि हामी परमाणुहरूको आकारमा पुग्दैछौं जुन आधारभूत बाधा हो, तर यो हामीले त्यो टाढा पुग्न दुई वा तीन पुस्ताहरू हुनेछन् - तर त्यो हामीले देख्न सकेसम्म टाढा छ। हामीसँग आधारभूत सीमामा पुग्न अझै १० देखि २० वर्ष बाँकी छ।"   

यद्यपि मूरको कानूनले केही डेड-एंड हिट गर्न बर्बाद गरेको छ, कम्प्युटिङका ​​अन्य सूचकहरूले लागू हुनेमा वृद्धि देखिरहेका छन्। हामीले हाम्रो दैनिक जीवनमा प्रयोग गर्ने टेक्नोलोजीको साथ, हामी सबैले कम्प्युटरहरू साना र सानो हुँदै गएको तर यन्त्रको ब्याट्रीहरू लामो र लामो समयसम्म चलिरहेको देख्न सक्छौं। ब्याट्रीहरूसँगको पछिल्लो प्रवृतिलाई कूमीको कानून भनिन्छ, जसको नाम स्ट्यानफोर्ड विश्वविद्यालयका प्राध्यापक जोनाथन कुमेले राखेका थिए। Koomey को कानूनले भविष्यवाणी गर्दछ कि "... एक निश्चित कम्प्युटिङ लोडमा, तपाईलाई चाहिने ब्याट्रीको मात्रा प्रत्येक वर्ष र आधा दुईको कारकले घट्नेछ।" तसर्थ, इलेक्ट्रोनिक पावर खपत वा कम्प्युटरको ऊर्जा दक्षता हरेक 18 महिनामा दोब्बर हुँदैछ। त्यसोभए, यी सबै प्रवृतिहरू र परिवर्तनहरूले के तर्फ औंल्याउँदै र प्रकट गर्दै छन् कम्प्युटिङको भविष्य हो।

कम्प्युटिङ को भविष्य

हामी इतिहासको एक समयमा आइपुगेका छौं जहाँ हामीले कम्प्युटिङलाई पुन: परिभाषित गर्नुपर्दछ किनकि धेरै दशक अघि भविष्यवाणी गरिएका प्रचलनहरू र कानूनहरू अब लागू हुँदैनन्। साथै, कम्प्युटिङले नैनो र क्वान्टम स्केलतर्फ धकेल्दा, त्यहाँ स्पष्ट भौतिक सीमाहरू र चुनौतीहरू छन्। सायद सुपरकम्प्युटिङको सबैभन्दा उल्लेखनीय प्रयास, क्वान्टम कम्प्युटिङमा समानान्तर गणनाको लागि क्वान्टम उलझनलाई साँच्चै प्रयोग गर्ने स्पष्ट चुनौती छ, अर्थात् क्वान्टम डिकोहेरेन्स अघि गणनाहरू प्रदर्शन गर्ने। यद्यपि क्वान्टम कम्प्युटिङका ​​चुनौतीहरूको बाबजुद विगत केही दशकहरूमा त्यहाँ धेरै प्रगति भएको छ। क्वान्टम कम्प्युटिङमा लागू गरिएको परम्परागत जोन भोन न्यूम्यान कम्प्युटर वास्तुकलाको मोडेलहरू फेला पार्न सकिन्छ। तर त्यहाँ (सुपर) कम्प्युटिङको अर्को प्रसिद्ध क्षेत्र छ, जसलाई न्यूरोमोर्फिक कम्प्युटिङ भनिन्छ जसले परम्परागत भोन न्यूम्यान वास्तुकलालाई पछ्याउँदैन। 

न्यूरोमोर्फिक कम्प्युटिङको परिकल्पना क्याल्टेक प्रोफेसर कार्भर मीडले आफ्नो सेमिनल पेपरमा 1990 मा गरेका थिए। मौलिक रूपमा, न्यूरोमोर्फिक कम्प्युटिङका ​​सिद्धान्तहरू कार्यका सैद्धान्तिक जैविक सिद्धान्तहरूमा आधारित हुन्छन्, जस्तै कि मानव मस्तिष्कले गणनामा प्रयोग गर्ने सोचेको थियो। न्यूरोमोर्फिक कम्प्युटिङ सिद्धान्त बनाम क्लासिकल भोन न्युम्यान कम्प्युटिङ थ्योरी बीचको एक संक्षिप्त भिन्नता डन मोनरो द्वारा एक लेखमा संक्षेप गरिएको थियो। कम्प्युटि Mach मेसिनरीका लागि संघ जर्नल। कथन यस प्रकार जान्छ: "परम्परागत भोन न्यूम्यान वास्तुकलामा, एक शक्तिशाली तर्क कोर (वा समानान्तरमा धेरै) मेमोरीबाट ल्याइएको डाटामा क्रमिक रूपमा काम गर्दछ। यसको विपरित, 'न्यूरोमोर्फिक' कम्प्युटिङले तुलनात्मक रूपमा आदिम 'न्यूरोन्सहरू' को एक विशाल संख्यामा गणना र मेमोरी दुवै वितरण गर्दछ, प्रत्येक 'सिन्याप्सेस' मार्फत सयौं वा हजारौं अन्य न्यूरोन्सहरूसँग सञ्चार गर्दछ।  

न्यूरोमोर्फिक कम्प्युटिङका ​​अन्य मुख्य विशेषताहरूमा त्रुटि असहिष्णुता समावेश छ, जसले मानव मस्तिष्कको न्यूरोन्स गुमाउने र अझै पनि कार्य गर्न सक्षम हुने क्षमतालाई मोडेल गर्ने लक्ष्य राख्छ। समान रूपमा, परम्परागत कम्प्युटिङमा एउटा ट्रान्जिस्टरको हानिले उचित कार्यलाई असर गर्छ। न्यूरोमोर्फिक कम्प्युटिङको अर्को परिकल्पित र उद्देश्य लाभ यो हो कि त्यहाँ प्रोग्राम गर्न आवश्यक छैन; यो अन्तिम उद्देश्यले फेरि मानव मस्तिष्कको सिक्ने, प्रतिक्रिया दिन र सङ्केतहरूमा अनुकूलन गर्ने क्षमतालाई मोडलिङ गर्नु हो। तसर्थ, न्यूरोमोर्फिक कम्प्युटिङ हाल मेसिन लर्निङ र आर्टिफिसियल इन्टेलिजेन्स कार्यहरूको लागि उत्तम उम्मेद्वार हो। 

न्यूरोमोर्फिक सुपरकम्प्युटिङको प्रगति

यस लेखको बाँकी भागले न्युरोमोर्फिक सुपरकम्प्युटिङको प्रगतिको बारेमा जानकारी दिनेछ। विशेष गरी, भर्खरै अलेक्ज्याण्डर टेट एटबाट अर्क्सिभमा प्रकाशित अनुसन्धान। al प्रिन्सटन युनिभर्सिटीको बाहिर सिलिकन-आधारित फोटोनिक न्यूरल नेटवर्क मोडेलले लगभग 2000-गुणाले परम्परागत कम्प्युटिङ दृष्टिकोणलाई बाहिर देखाउँछ। कम्प्युटिङको यो न्यूरोमोर्फिक फोटोनिक प्लेटफर्मले अल्ट्राफास्ट सूचना प्रशोधन गर्न सक्छ। 

टेट एट। al हकदार कागज न्यूरोमोर्फिक सिलिकन फोटोनिक्स कम्प्युटिङका ​​लागि इलेक्ट्रोम्याग्नेटिक विकिरणको फोटोनिक प्रकाश रूप प्रयोग गर्ने फाइदा र बेफाइदाहरू वर्णन गर्न सुरु हुन्छ। कागजको प्रारम्भिक मुख्य बुँदाहरू यो हो कि प्रकाश व्यापक रूपमा सूचना प्रसारणको लागि प्रयोग गरिएको छ तर सूचना परिवर्तनको लागि होइन, अर्थात् डिजिटल अप्टिकल कम्प्युटिङ। त्यसैगरी, क्वान्टम कम्प्युटिङमा, डिजिटल अप्टिकल कम्प्युटिङका ​​लागि आधारभूत भौतिक चुनौतीहरू छन्। कागज त्यसपछि अघिल्लो प्रस्तावित न्यूरोमोर्फिक फोटोनिक कम्प्युटिङ प्लेटफर्म Tait et को विवरणमा जान्छ। al 2014 मा प्रकाशित टोली, हकदार प्रसारण र वजन: स्केलेबल फोटोनिक स्पाइक प्रशोधनको लागि एक एकीकृत नेटवर्क। तिनीहरूको नयाँ पेपरले एकीकृत फोटोनिक न्यूरल नेटवर्कको पहिलो प्रयोगात्मक प्रदर्शनको नतिजाहरू वर्णन गर्दछ। 

"प्रसारण र वजन" कम्प्युटिङ आर्किटेक्चरमा, "नोडहरू" लाई एक अद्वितीय "वेभलेन्थ क्यारियर" तोकिएको छ जुन "तरंग लम्बाइ डिभिजन मल्टिप्लेक्स (WDM)" हो र त्यसपछि अन्य "नोडहरू" मा प्रसारण गरिन्छ। यस वास्तुकलामा "नोडहरू" मानव मस्तिष्कमा न्यूरोन व्यवहार अनुकरण गर्नका लागि हो। त्यसपछि "WDM" संकेतहरू "माइक्रोरिङ (MRR) वजन बैंकहरू" भनिने लगातार-मूल्य फिल्टरहरू मार्फत प्रशोधन गरिन्छ र त्यसपछि विद्युतीय रूपमा कुल पावर पत्ता लगाउने मूल्यमा मापन गरिन्छ। यो अन्तिम इलेक्ट्रो-ओप्टिक रूपान्तरण/गणनाको गैर-रैखिकता न्यूरोन कार्यक्षमताको नक्कल गर्न आवश्यक नन-लाइनरिटी हो, न्यूरोमोर्फिक सिद्धान्तहरू अन्तर्गत कम्प्युट गर्न आवश्यक छ। 

कागजमा, तिनीहरूले छलफल गर्छन् कि यी प्रयोगात्मक रूपमा प्रमाणित इलेक्ट्रो-ओप्टिक रूपान्तरण गतिशीलता गणितीय रूपमा "2-नोड निरन्तर-समय पुनरावर्ती न्यूरल नेटवर्क" (CTRNN) मोडेलसँग समान छन्। यी अग्रगामी परिणामहरूले सुझाव दिन्छ कि प्रोग्रामिङ उपकरणहरू जुन CTRNN मोडेलहरूको लागि प्रयोग गरिएको छ सिलिकन-आधारित न्यूरोमोर्फिक प्लेटफर्महरूमा लागू गर्न सकिन्छ। यो खोजले न्यूरोमोर्फिक सिलिकन फोटोनिक्समा CTRNN पद्धतिलाई अनुकूलन गर्ने बाटो खोल्छ। तिनीहरूको पेपरमा, तिनीहरू तिनीहरूको "प्रसारण र वजन" वास्तुकलामा यस्तो मोडेल अनुकूलन गर्छन्। नतिजाहरूले देखाउँछन् कि CTRNN मोडेलले तिनीहरूको 49-नोड आर्किटेक्चरमा सिमुलेटेड न्यूरोमोर्फिक कम्प्युटिङ आर्किटेक्चरलाई 3 म्याग्निच्युडले क्लासिकल कम्प्युटिङ मोडेलहरूलाई बाहिर निकाल्छ।