दुनिया का पहला माइक्रोवेव न्यूरल नेटवर्क (एमएनएन) चिप पारंपरिक सीपीयू से बेहतर प्रदर्शन करता है प्रौद्योगिकी समाचार

“क्योंकि यह आवृत्तियों के एक विस्तृत बैंड में प्रोग्राम योग्य तरीके से तुरंत विकृत करने में सक्षम है, इसे कई कंप्यूटिंग कार्यों के लिए पुन: उपयोग किया जा सकता है। यह बड़ी संख्या में सिग्नल-प्रोसेसिंग चरणों को बायपास करता है जो डिजिटल कंप्यूटरों को सामान्य रूप से करना पड़ता है,”

कॉर्नेल विश्वविद्यालय के डॉक्टरेट छात्र और अध्ययन के प्रमुख लेखक बाल गोविंद ने कहा।

माइक्रोवेव की शक्ति

एमएनएन चिप एआई न्यूरल नेटवर्क के भीतर विद्युत चुम्बकीय स्पेक्ट्रम की माइक्रोवेव रेंज में एनालॉग तरंगों का लाभ उठाता है, जिससे एक विशिष्ट कंघी जैसा तरंग पैटर्न उत्पन्न होता है। फ़्रीक्वेंसी कंघी की समान रूप से दूरी वाली वर्णक्रमीय रेखाएं एक शासक की तरह काम करती हैं, जो बेहद तेज़ और सटीक आवृत्ति माप को सक्षम करती हैं।

तंत्रिका नेटवर्क-एमएनएन की नींव-मानव मस्तिष्क की संरचना से प्रेरित मशीन लर्निंग सिस्टम हैं। “माइक्रोवेव मस्तिष्क” डेटा में पैटर्न को पहचानने और नई जानकारी के लिए गतिशील रूप से अनुकूलित करने के लिए ट्यून करने योग्य वेवगाइड के भीतर परस्पर जुड़े विद्युत चुम्बकीय नोड्स को नियोजित करता है।

एमएनएन का एकीकृत सर्किट एक विस्तृत बैंडविड्थ में इनपुट डेटा की विशेषताओं को कैप्चर करके वर्णक्रमीय घटकों (सिग्नल में व्यक्तिगत आवृत्तियों) को संसाधित करता है। यह चिप को 88 प्रतिशत की सटीकता दर के साथ सरल तर्क संचालन और बाइनरी अनुक्रम मान्यता और उच्च गति पैटर्न का पता लगाने जैसे जटिल कार्यों को निष्पादित करने में सक्षम बनाता है। शोधकर्ताओं ने कई वायरलेस सिग्नल वर्गीकरण समस्याओं में इस प्रदर्शन को मान्य किया।

तेज़ और अधिक कुशल

माइक्रोवेव एनालॉग रेंज में काम करते हुए और संभाव्य कंप्यूटिंग दृष्टिकोण का उपयोग करते हुए, चिप दसियों गीगाहर्ट्ज़ के क्रम पर डेटा स्ट्रीम को संसाधित कर सकता है – प्रति सेकंड कम से कम 20 बिलियन ऑपरेशन। इसकी तुलना में, अधिकांश उपभोक्ता-ग्रेड सीपीयू 2.5 और 4 गीगाहर्ट्ज (2.5-4 बिलियन ऑपरेशन प्रति सेकंड) के बीच काम करते हैं।

कॉर्नेल यूनिवर्सिटी में स्कूल ऑफ इलेक्ट्रिकल एंड कंप्यूटर इंजीनियरिंग के सह-वरिष्ठ लेखक और निदेशक एलिसा अप्सेल ने कहा, “बाल ने इसे हासिल करने के लिए बहुत सारे पारंपरिक सर्किट डिजाइन को त्याग दिया।” “डिजिटल तंत्रिका नेटवर्क की संरचना की बिल्कुल नकल करने की कोशिश करने के बजाय, उन्होंने कुछ ऐसा बनाया जो आवृत्ति व्यवहारों के नियंत्रित मिश्रण जैसा दिखता है जो अंततः आपको उच्च-प्रदर्शन गणना दे सकता है।”

गोविंद ने बताया कि पारंपरिक डिजिटल सिस्टम में सटीकता बनाए रखने के लिए अक्सर अतिरिक्त सर्किटरी, ऊर्जा और त्रुटि सुधार की आवश्यकता होती है। इसके विपरीत, एमएनएन का संभाव्य दृष्टिकोण बिजली या हार्डवेयर लागत में वृद्धि के बिना बुनियादी और उन्नत दोनों गणनाओं के लिए सटीकता बनाए रखता है।

कम शक्ति, उच्च क्षमता

माइक्रोवेव चिप का एक अन्य प्रमुख लाभ इसकी उल्लेखनीय रूप से कम बिजली की खपत है – 200 मिलीवाट (0.2 वाट) से कम, जो लगभग एक मोबाइल फोन की संचारित शक्ति के बराबर है। तुलनात्मक रूप से, अधिकांश सीपीयू को कम से कम 65 वाट की आवश्यकता होती है।

यह दक्षता चिप को व्यक्तिगत उपकरणों, पहनने योग्य उपकरणों और एज कंप्यूटिंग के लिए उपयुक्त बनाती है, जहां प्रसंस्करण केंद्रीय सर्वर के बजाय स्थानीय रूप से होता है। यह विशेष रूप से ऊर्जा-बाधित वातावरण में एआई मॉडल के प्रशिक्षण और तैनाती के लिए कम-शक्ति, उच्च-प्रदर्शन समाधान भी प्रदान कर सकता है।

आगे देखते हुए, शोधकर्ताओं ने वेवगाइड की संख्या को कम करके और चिप की वास्तुकला को सरल बनाकर डिजाइन को छोटा करने की योजना बनाई है। इंटरकनेक्टेड माइक्रोवेव कॉम्ब्स आउटपुट स्पेक्ट्रम को और व्यापक बना सकते हैं और एक छोटे, अधिक कुशल डिवाइस पर तंत्रिका नेटवर्क प्रशिक्षण को बढ़ा सकते हैं।