சூப்பர் கம்ப்யூட்டிங் முன்னேற்றங்கள்: நியூரோமார்பிக் ஆப்டிகல் நெட்வொர்க்குகளைப் பயன்படுத்துதல்

கடந்த சில தசாப்தங்களில், ஒரு காலத்தில் நன்கு அறியப்பட்ட மற்றும் துல்லியமான போக்கு, மூரின் சட்டம், 1965 இல் IBM இன் கார்டன் மூரால் கணிக்கப்பட்டது, இப்போது மெதுவாக கணினி செயல்திறனின் செயலற்ற அளவாக மாறி வருகிறது. மூரின் சட்டம் ஒவ்வொரு இரண்டு வருடங்களுக்கும் ஒரு ஒருங்கிணைந்த மின்சுற்றில் உள்ள டிரான்சிஸ்டர்களின் எண்ணிக்கை இரட்டிப்பாகும் என்றும், அதே அளவு இடத்தில் அதிக டிரான்சிஸ்டர்கள் இருக்கும் என்றும் கணித்தது, இதனால் கணினி செயல்திறன் அதிகரிக்கும். ஏப்ரல் 2005 இல், ஒரு நேர்காணலில், கோர்டன் மூரே தனது கணிப்பு இனி நிலையானதாக இருக்காது என்று கூறினார்: “அளவு [டிரான்சிஸ்டர்களின்] அடிப்படையில் நாம் அணுக்களின் அளவை நெருங்கி வருகிறோம் என்பதை நீங்கள் பார்க்கலாம், ஆனால் அது நாம் இவ்வளவு தூரம் வருவதற்கு இரண்டு அல்லது மூன்று தலைமுறைகள் இருக்கும் - ஆனால் அது நம்மால் பார்க்க முடிந்த தூரத்தில் உள்ளது. நாம் ஒரு அடிப்படை வரம்பை அடைய இன்னும் 10 முதல் 20 ஆண்டுகள் உள்ளன.   

மூரின் சட்டம் சில முட்டுச்சந்தில் தாக்கும் என்றாலும், கம்ப்யூட்டிங்கின் மற்ற குறிகாட்டிகள் பொருந்தக்கூடிய தன்மையில் உயர்வைக் காண்கின்றன. நம் அன்றாட வாழ்வில் நாம் பயன்படுத்தும் தொழில்நுட்பத்தின் மூலம், கணினிகளின் போக்குகள் சிறியதாகவும் சிறியதாகவும் இருப்பதை நாம் அனைவரும் காணலாம், ஆனால் சாதன பேட்டரிகள் நீண்ட மற்றும் நீண்ட காலம் நீடிக்கும். பேட்டரிகளின் பிந்தைய போக்கு கூமியின் சட்டம் என்று அழைக்கப்படுகிறது, இது ஸ்டான்போர்ட் பல்கலைக்கழக பேராசிரியர் ஜொனாதன் கூமியின் பெயரிடப்பட்டது. கூமியின் சட்டம் "... ஒரு நிலையான கம்ப்யூட்டிங் சுமையில், உங்களுக்குத் தேவையான பேட்டரியின் அளவு ஒவ்வொரு ஒன்றரை வருடத்திற்கும் இரண்டு மடங்கு குறையும்" என்று கணித்துள்ளது. எனவே, கணினிகளின் மின்னணு ஆற்றல் நுகர்வு அல்லது ஆற்றல் திறன் ஒவ்வொரு 18 மாதங்களுக்கும் இரட்டிப்பாகும். எனவே, இந்தப் போக்குகள் மற்றும் மாற்றங்கள் அனைத்தும் கம்ப்யூட்டிங்கின் எதிர்காலத்தை நோக்கிச் சுட்டிக்காட்டுவதும் வெளிப்படுத்துவதும் ஆகும்.

கணிப்பொறியின் எதிர்காலம்

பல தசாப்தங்களுக்கு முன்னர் கணிக்கப்பட்ட போக்குகள் மற்றும் சட்டங்கள் இனி பொருந்தாது என்பதால், கணினியை மறுவரையறை செய்ய வேண்டிய ஒரு காலத்திற்கு நாம் வரலாற்றில் வந்துள்ளோம். மேலும், கம்ப்யூட்டிங் நானோ மற்றும் குவாண்டம் அளவுகளை நோக்கித் தள்ளுவதால், வெளிப்படையான உடல் வரம்புகள் மற்றும் சவால்கள் வர உள்ளன. சூப்பர் கம்ப்யூட்டிங்கில் மிகவும் குறிப்பிடத்தக்க முயற்சி, குவாண்டம் கம்ப்யூட்டிங், இணையான கணக்கீட்டிற்கான குவாண்டம் சிக்கலை உண்மையிலேயே பயன்படுத்துவதற்கான வெளிப்படையான சவாலைக் கொண்டுள்ளது, அதாவது குவாண்டம் டிகோஹெரன்ஸுக்கு முன் கணக்கீடுகளைச் செய்வது. இருப்பினும், குவாண்டம் கம்ப்யூட்டிங்கின் சவால்கள் இருந்தபோதிலும், கடந்த சில தசாப்தங்களில் அதிக முன்னேற்றம் ஏற்பட்டுள்ளது. குவாண்டம் கம்ப்யூட்டிங்கிற்குப் பயன்படுத்தப்படும் பாரம்பரிய ஜான் வான் நியூமன் கணினி கட்டமைப்பின் மாதிரிகளை ஒருவர் காணலாம். ஆனால் பாரம்பரிய வான் நியூமன் கட்டிடக்கலையைப் பின்பற்றாத நியூரோமார்பிக் கம்ப்யூட்டிங் என்று அழைக்கப்படும் (சூப்பர்) கம்ப்யூட்டிங்கின் மிகவும் அறியப்படாத மற்றொரு பகுதி உள்ளது. 

1990 இல் கால்டெக் பேராசிரியர் கார்வர் மீட் தனது ஆய்வறிக்கையில் நியூரோமார்பிக் கம்ப்யூட்டிங்கைக் கற்பனை செய்தார்.  அடிப்படையில், நியூரோமார்பிக் கம்ப்யூட்டிங்கின் கொள்கைகள் மனித மூளையால் கணக்கிடப்படும் என்று கருதப்படும் செயல்பாட்டின் கோட்பாட்டு உயிரியல் கொள்கைகளை அடிப்படையாகக் கொண்டவை. நியூரோமார்பிக் கம்ப்யூட்டிங் கோட்பாடு மற்றும் கிளாசிக்கல் வான் நியூமன் கம்ப்யூட்டிங் கோட்பாடு ஆகியவற்றுக்கு இடையேயான ஒரு சுருக்கமான வேறுபாடு டான் மன்றோவின் கட்டுரையில் சுருக்கப்பட்டுள்ளது. கணினி இயந்திரங்களுக்கான சங்கம் இதழ். அறிக்கை இப்படிச் செல்கிறது: “பாரம்பரிய வான் நியூமன் கட்டிடக்கலையில், ஒரு சக்திவாய்ந்த லாஜிக் கோர் (அல்லது பல இணையாக) நினைவகத்திலிருந்து பெறப்பட்ட தரவுகளில் தொடர்ச்சியாக செயல்படுகிறது. இதற்கு நேர்மாறாக, 'நியூரோமார்பிக்' கம்ப்யூட்டிங் கணக்கீடு மற்றும் நினைவகம் இரண்டையும் ஒப்பீட்டளவில் பழமையான 'நியூரான்கள்' மத்தியில் விநியோகிக்கிறது, ஒவ்வொன்றும் நூற்றுக்கணக்கான அல்லது ஆயிரக்கணக்கான பிற நியூரான்களுடன் 'சினாப்சஸ்' மூலம் தொடர்பு கொள்கின்றன.  

நியூரோமார்பிக் கம்ப்யூட்டிங்கின் பிற முக்கிய அம்சங்களில் தவறு சகிப்புத்தன்மையும் அடங்கும், இது நியூரான்களை இழந்து இன்னும் செயல்படக்கூடிய மனித மூளையின் திறனை மாதிரியாக்குவதை நோக்கமாகக் கொண்டுள்ளது. இதேபோல், பாரம்பரிய கணினியில் ஒரு டிரான்சிஸ்டரின் இழப்பு சரியான செயல்பாட்டை பாதிக்கிறது. நியூரோமார்பிக் கம்ப்யூட்டிங்கின் மற்றொரு கற்பனையான மற்றும் நோக்கமான நன்மை என்னவென்றால், நிரல் செய்யப்பட வேண்டிய அவசியமில்லை; இந்த கடைசி நோக்கம் மீண்டும் மனித மூளையின் திறனைக் கற்றுக் கொள்ளவும், பதிலளிக்கவும், சிக்னல்களுக்கு ஏற்றவாறு மாற்றியமைக்கவும் செய்கிறது. எனவே, நியூரோமார்பிக் கம்ப்யூட்டிங் தற்போது இயந்திர கற்றல் மற்றும் செயற்கை நுண்ணறிவு பணிகளுக்கு சிறந்த வேட்பாளராக உள்ளது. 

நியூரோமார்பிக் சூப்பர் கம்ப்யூட்டிங்கின் முன்னேற்றங்கள்

இந்த கட்டுரையின் மீதமுள்ளவை நியூரோமார்பிக் சூப்பர் கம்ப்யூட்டிங்கின் முன்னேற்றங்களை ஆராயும். குறிப்பாக, அலெக்சாண்டர் டெய்ட் மற்றும் இலிருந்து Arxiv பற்றிய ஆராய்ச்சி சமீபத்தில் வெளியிடப்பட்டது. அல். பிரின்ஸ்டன் பல்கலைக்கழகத்தில் சிலிக்கான் அடிப்படையிலான ஃபோட்டானிக் நியூரல் நெட்வொர்க் மாதிரியானது வழக்கமான கணினி அணுகுமுறையை கிட்டத்தட்ட 2000 மடங்கு அதிகமாகக் காட்டுகிறது. கம்ப்யூட்டிங்கின் இந்த நியூரோமார்பிக் ஃபோட்டானிக் இயங்குதளம் அதிவேக தகவல் செயலாக்கத்திற்கு வழிவகுக்கும். 

டைட் மற்றும். அல். என்ற தலைப்பில் காகிதம் நியூரோமார்பிக் சிலிக்கான் ஃபோட்டானிக்ஸ் கம்ப்யூட்டிங்கிற்கு மின்காந்த கதிர்வீச்சின் ஃபோட்டானிக் ஒளி வடிவத்தைப் பயன்படுத்துவதன் நன்மை தீமைகளை விவரிக்கத் தொடங்குகிறது. காகிதத்தின் ஆரம்ப முக்கிய புள்ளிகள் என்னவென்றால், ஒளி பரவலாக தகவல் பரிமாற்றத்திற்காக பயன்படுத்தப்படுகிறது, ஆனால் தகவல் மாற்றத்திற்காக அல்ல, அதாவது டிஜிட்டல் ஆப்டிகல் கம்ப்யூட்டிங். இதேபோல், குவாண்டம் கம்ப்யூட்டிங்கிற்கு, டிஜிட்டல் ஆப்டிகல் கம்ப்யூட்டிங்கிற்கு அடிப்படை உடல்ரீதியான சவால்கள் உள்ளன. தாள் பின்னர் முன்மொழியப்பட்ட நியூரோமார்பிக் ஃபோட்டானிக் கம்ப்யூட்டிங் தளமான டைட் எட் பற்றிய விவரங்களுக்கு செல்கிறது. அல். என்ற தலைப்பில் 2014 இல் வெளியிடப்பட்ட குழு ஒளிபரப்பு மற்றும் எடை: அளவிடக்கூடிய ஃபோட்டானிக் ஸ்பைக் செயலாக்கத்திற்கான ஒருங்கிணைந்த நெட்வொர்க். ஒருங்கிணைந்த ஃபோட்டானிக் நியூரல் நெட்வொர்க்கின் முதல் சோதனை விளக்கத்தின் முடிவுகளை அவர்களின் புதிய தாள் விவரிக்கிறது. 

"ஒளிபரப்பு மற்றும் எடை" கம்ப்யூட்டிங் கட்டமைப்பில், "முனைகளுக்கு" ஒரு தனித்துவமான "அலைநீள கேரியர்" ஒதுக்கப்பட்டுள்ளது, அது "அலைநீளப் பிரிவு மல்டிபிளக்ஸ் (WDM)" பின்னர் மற்ற "நோட்களுக்கு" ஒளிபரப்பப்படுகிறது. இந்த கட்டிடக்கலையில் உள்ள "முனைகள்" மனித மூளையில் நியூரானின் நடத்தையை உருவகப்படுத்துவதாகும். பின்னர் "WDM" சிக்னல்கள் "மைக்ரோரிங் (MRR) வெயிட் பேங்க்ஸ்" எனப்படும் தொடர்ச்சியான மதிப்புடைய வடிகட்டிகள் மூலம் செயலாக்கப்பட்டு, பின்னர் அளவிடப்பட்ட மொத்த சக்தி கண்டறிதல் மதிப்பாக மின்னியல் ரீதியாக சுருக்கப்படுகிறது. இந்த கடைசி எலக்ட்ரோ-ஆப்டிக் உருமாற்றம்/கணக்கீட்டின் நேரியல் அல்லாதது துல்லியமாக நியூரான் செயல்பாட்டைப் பிரதிபலிக்கத் தேவையான நேரியல் அல்லாதது, இது நியூரோமார்பிக் கொள்கைகளின் கீழ் கணினிக்கு அவசியம். 

ஆய்வறிக்கையில், இந்த சோதனை ரீதியாக சரிபார்க்கப்பட்ட எலக்ட்ரோ-ஆப்டிக் டிரான்ஸ்ஃபர்மேஷன் டைனமிக்ஸ் கணித ரீதியாக "2-நோட் தொடர்ச்சியான-நேர மறுநிகழ்வு நியூரல் நெட்வொர்க்" (CTRNN) மாதிரிக்கு ஒத்ததாக இருப்பதாக அவர்கள் விவாதிக்கின்றனர். இந்த முன்னோடி முடிவுகள், CTRNN மாதிரிகளுக்குப் பயன்படுத்தப்பட்ட நிரலாக்கக் கருவிகள் சிலிக்கான் அடிப்படையிலான நியூரோமார்பிக் இயங்குதளங்களுக்குப் பயன்படுத்தப்படலாம் என்று கூறுகின்றன. இந்த கண்டுபிடிப்பு CTRNN முறையை நியூரோமார்பிக் சிலிக்கான் ஃபோட்டானிக்ஸ்க்கு மாற்றியமைப்பதற்கான பாதையைத் திறக்கிறது. அவர்களின் தாளில், அவர்கள் தங்கள் "ஒளிபரப்பு மற்றும் எடை" கட்டமைப்பில் அத்தகைய மாதிரி தழுவல் செய்கிறார்கள். CTRNN மாதிரியானது அவர்களின் 49-நோட் கட்டமைப்பில் உருவகப்படுத்தப்பட்ட நரம்பியல் கம்ப்யூட்டிங் கட்டமைப்பை கிளாசிக்கல் கம்ப்யூட்டிங் மாடல்களை 3 ஆர்டர் அளவுகளில் விஞ்சும் என்று முடிவுகள் காட்டுகின்றன.