AI-এর শক্তি সমস্যা অপটিক্যাল কম্পিউটিংয়ের সম্ভাবনাকে আবার সামনে আনছে

দশকের পর দশক ধরে অপটিক্যাল কম্পিউটিং প্রচলিত ইলেকট্রনিক্সের ছায়ায় রয়েছে। এর মূল ধারণাটি আকর্ষণীয়: আলো ব্যবহার করে এমন গাণিতিক কাজ করা, যা অন্যথায় electronic circuitsকে করতে হতো। তবু 70 বছরেরও বেশি সময় ধরে এই প্রযুক্তি বিস্তৃত বাণিজ্যিক computing platform না হয়ে মূলত গবেষণার বিষয় হিসেবেই রয়ে গেছে।

এই চিত্র বদলাতে শুরু করেছে। কৃত্রিম বুদ্ধিমত্তা আরও computing capacity এবং বেশি বিদ্যুৎ-সাশ্রয়ী inference-এর চাহিদা বাড়িয়ে তুলছে, আর নতুন একদল কোম্পানি photonic systems তৈরি করছে। এর অর্থ এই নয় যে optical processors শিগগিরই data centers জুড়ে graphics processorsকে সরিয়ে দেবে। তবে এর অর্থ হলো, AI-এর energy constraints এমন hardware উন্নয়নের নতুন বাণিজ্যিক কারণ তৈরি করেছে, যাকে একসময় প্রযুক্তিগতভাবে আকর্ষণীয় হলেও বাস্তবায়ন করা কঠিন বলে মনে করা হতো।

IEEE Spectrum-এর প্রতিবেদন অনুযায়ী, optical-computing sector-এর কোম্পানিগুলোর সম্মিলিত বাজারমূল্য US$2.22 billion-এ পৌঁছেছে, যা 2022 সালে ছিল $0.4 billion। United States, China, Germany এবং Israel-এ কোম্পানি গড়ে উঠছে। এটি এমন computing architectures খুঁজে পাওয়ার বৃহত্তর প্রচেষ্টাকে প্রতিফলিত করে, যা আজকের electronic systemsকে পরিপূরক করতে পারে বা নির্বাচিত workloads-এ তাদের চ্যালেঞ্জ জানাতে পারে।

Inference কেন তাৎক্ষণিক লক্ষ্য

মূল চালিকাশক্তি হলো AI inference: প্রশিক্ষিত models ব্যবহার করে prompts-এর উত্তর দেওয়া এবং predictions করা। আরও বেশি মানুষ ও ব্যবসা AI services ব্যবহার করায় inference workloads বড় data centers নির্মাণে গতি দিচ্ছে। ফলে models train করার পাশাপাশি সেগুলোকে ধারাবাহিকভাবে চালানোর জন্য প্রয়োজনীয় বিদ্যুতের দিকেও নজর বাড়ছে।

Cornell University-এর applied and engineering physics-এর associate professor Peter McMahon IEEE Spectrum-কে বলেন, AI inference কতটা power-নির্ভর হয়ে পড়েছে, তার কারণেই photonics নিয়ে আগ্রহ বাড়ছে। অন্তত নীতিগতভাবে, optical systems প্রচলিত GPU-based hardware-এর তুলনায় অনেক কম power-এ সংশ্লিষ্ট mathematical operations করার পথ দিতে পারে।

প্রতিশ্রুতিটি শুধু এই নয় যে আলো দ্রুত চলে। বরং বিশেষভাবে নকশা করা photonic hardware নির্দিষ্ট কিছু calculations দক্ষতার সঙ্গে সম্পন্ন করতে পারে। digital computer-এর প্রতিটি component optics দিয়ে প্রতিস্থাপন করার চেয়ে এটি আরও সীমিত ও বাস্তবসম্মত প্রস্তাব। এ কারণেই developers একটি universal optical AI chip-এর ওপর বাজি না রেখে commercialization-এর একাধিক পথ অনুসন্ধান করছেন।

যেখানে data ইতিমধ্যে চলাচল করছে, সেখানেই computing

একটি পদ্ধতি এসেছে England-ভিত্তিক Optalysys-এর কাছ থেকে, যারা networking path-এ optical-computing elements স্থাপন করছে। Data centers ইতিমধ্যে networking-এর জন্য আলো ব্যবহার করে, তাই এই কৌশলটির লক্ষ্য হলো যেখানে optical signals আগে থেকেই চলাচল করছে, সেখানেই computational capacity যোগ করা। প্রতিবেদন অনুযায়ী, কোম্পানিটির on-chip optical element হলো একটি Fourier transform calculator।

বর্তমান পুনরুত্থানে এই model একটি গুরুত্বপূর্ণ পার্থক্য তুলে ধরে। নিকটমেয়াদি সুযোগটি Nvidia-style accelerators-এর সরাসরি replacement নাও হতে পারে। বরং machines বা components-এর মধ্যে data বহনকারী links-এর মতো computing system-এর এমন অংশে photonics যুক্ত করা যেতে পারে, যেখানে এর স্বাভাবিক ব্যবহার রয়েছে। Data চলাচলের সময়ই যদি কার্যকর calculations করা যায়, তবে একসঙ্গে প্রতিটি workload redesign না করেও এই technology data-center architecture-এর অংশ হয়ে উঠতে পারে।

অন্যান্য উদ্যোগ alternative AI algorithms, scientific computing এবং সংশ্লিষ্ট photonic systems-এর দিকে নজর দিচ্ছে। এই পদ্ধতিগুলোর বৈচিত্র্য দেখায় যে GPU makers-এর সঙ্গে সরাসরি প্রতিযোগিতা করার সবচেয়ে উচ্চাভিলাষী লক্ষ্যে যে কোম্পানিগুলো সফল হবে, তাদের বাইরেও এই sector-এর মূল্য থাকতে পারে।

অন্য ক্ষেত্রেও প্রভাব ফেলতে পারে এমন প্রযুক্তি প্রতিযোগিতা

Yale University-এর applied physics-এর assistant professor এবং McMahon-এর laboratory-এর সাবেক postdoctoral researcher Logan Wright IEEE Spectrum-কে বলেন, সব কোম্পানি major AI-computing provider না হলেও কয়েকটি কোম্পানির শক্তিশালী অগ্রগতি প্রযুক্তিটির জন্য উপকারী হতে পারে। উন্নয়নমূলক কাজ অন্য specialized purposes-এ ব্যবহারের উপযোগী photonic systems তৈরি করতে পারে।

বর্তমান সময়কে দেখার এটি একটি কার্যকর উপায়। বহু বছর ধরে optical computing যে urgency, investment এবং market attention পায়নি, AI তা এনে দিচ্ছে। তবে এই চাহিদা থেকে উৎসাহিত technical advances scientific computing এবং network-integrated processing-এও ব্যবহার হতে পারে। আধুনিক data centers-এর demanding environment-এ নির্ভরযোগ্যভাবে কাজ করে এমন systems-এ laboratory advantages রূপান্তর করতে কোম্পানিগুলো সক্ষম কি না, তার ওপরই বাণিজ্যিক ফল নির্ভর করবে।

এখনও optical computing একটি emerging hardware field, electronic AI infrastructure-এর প্রতিষ্ঠিত replacement নয়। তবে renewed investment দেখাচ্ছে যে power efficiency AI-এর একটি কেন্দ্রীয় competitive issue হয়ে উঠেছে। Inference বাড়ার সঙ্গে সঙ্গে hardware developers বিদ্যমান chips-এর দ্রুততর versions-এর বাইরেও তাকাচ্ছেন এবং computation কীভাবে ও কোথায় সম্পন্ন হবে, তা বদলে দিতে পারে এমন architectures-এর দিকে এগোচ্ছেন।

এরপর কী দেখতে হবে

  • বাস্তব inference workloads-এ photonic systems কার্যকর power advantages দেখাতে পারে কি না।
  • পূর্ণ processor replacement-এর চেয়ে in-network computing সহজ entry point তৈরি করে কি না।
  • বৃহত্তর AI ambitions সফল না হলেও optical-computing investment বাণিজ্যিকভাবে কার্যকর components তৈরি করে কি না।

এই নিবন্ধটি IEEE Spectrum-এর reporting-এর ওপর ভিত্তি করে লেখা। মূল নিবন্ধটি পড়ুন।

Originally published on spectrum.ieee.org