নতুন অ্যানালগ চিপ গবেষণায় অপচয় তাপ হয়ে উঠছে গণনার মাধ্যম

যদি ইলেকট্রনিক্স সাধারণত যে তাপ দূর করতে চায়, সেটিই দরকারী কাজ করতে পারে?

এই ধারণার ওপর ভিত্তি করে একটি নতুন অ্যানালগ কম্পিউটিং পদ্ধতি MIT-এর Institute for Soldier Nanotechnologies-এর গবেষকদের নেতৃত্বে একটি দল উপস্থাপন করেছে। অপচয় তাপকে অবাঞ্ছিত উপজাত হিসেবে না দেখে, গবেষকেরা এটিকেই তথ্যবাহী মাধ্যম হিসেবে ব্যবহার করেছেন।

উৎস প্রতিবেদনে বর্ণিত ব্যবস্থায়, ইনপুট ডেটা বৈদ্যুতিক বাইনারি মান হিসেবে এনকোড করা হয় না। বরং এটি ডিভাইসে ইতিমধ্যেই বিদ্যমান তাপের ভিত্তিতে তাপমাত্রার একটি সেট হিসেবে উপস্থাপিত হয়। এই তাপীয় তথ্য ক্ষুদ্র সিলিকন কাঠামোর মধ্য দিয়ে প্রবাহিত হয়, য deren জ্যামিতি একটি physics-based optimization algorithm দ্বারা নকশা করা। তাপের ফলে সৃষ্ট বণ্টন ও প্রবাহ গণনা সম্পন্ন করে, আর আউটপুট অন্য প্রান্তে সংগৃহীত শক্তি হিসেবে প্রকাশিত হয়।

এটি প্রচলিত যুক্তির এক উল্লেখযোগ্য উল্টে দেওয়া রূপ। আধুনিক কম্পিউটিং ব্যবস্থাগুলোর বেশিরভাগই বিদ্যুতের মাধ্যমে কাজ করে, তারপর নিজেদের উৎপন্ন তাপের সঙ্গে লড়াই করে। এই কাজটি প্রশ্ন তোলে, কিছু শ্রেণির গণনা কি সেই তাপকে কাজে লাগিয়ে করা যেতে পারে, যাতে নির্দিষ্ট ক্ষেত্রে অতিরিক্ত শক্তি ইনপুটের প্রয়োজন কমে।

গবেষকেরা মেশিন লার্নিংয়ে ব্যবহৃত একটি মূল অপারেশন প্রদর্শন করেছেন

দলটি সিলিকন কাঠামো ব্যবহার করে matrix-vector multiplication-এর একটি সহজ রূপ সম্পন্ন করেছে, যা বড় ভাষা মডেলসহ মেশিন-লার্নিং ব্যবস্থার কেন্দ্রস্থলে থাকা একটি গাণিতিক অপারেশন। উৎস পাঠ্য অনুযায়ী, অনেক ক্ষেত্রে ফলাফল 99 শতাংশের বেশি নির্ভুল ছিল।

এই নির্ভুলতা উল্লেখযোগ্য, কারণ matrix operations ঠিক সেই পুনরাবৃত্ত linear algebra, যা বহু AI workload-এ আধিপত্য করে। তত্ত্বগতভাবে, যেকোনো নতুন পদ্ধতি যা সেগুলো দক্ষভাবে করতে পারে, তা মনোযোগ আকর্ষণ করে। কিন্তু গবেষকেরা তাদের কাজকে অতিরঞ্জিত না করতে সতর্ক।

উৎস প্রতিবেদন স্পষ্ট করে যে এই কৌশল আধুনিক deep learning-এ ব্যবহৃত বিশাল সিস্টেমগুলোর স্তরে পৌঁছানোর জন্য এখনো অনেক দূরে। লক্ষ লক্ষ এমন thermal structure একসঙ্গে সাজানো যথেষ্ট engineering challenge তৈরি করবে। matrix যত জটিল হয়, এবং input ও output terminal-এর দূরত্ব যত বাড়ে, নির্ভুলতাও তত কমে।

তাই এটি digital AI accelerators-এর নিকট-ভবিষ্যৎ বিকল্প নয়। বরং এটি একটি প্রদর্শন, যেখানে দেখানো হয়েছে যে সীমাবদ্ধ পরিস্থিতিতে thermal analog computation বাস্তব ও নির্ভুল হতে পারে।

অ্যানালগ তাপ-ভিত্তিক কম্পিউটিং কেন আকর্ষণীয়

এর আকর্ষণ শক্তি-যুক্তিতে। যদি কোনো ডিভাইস ইতিমধ্যেই তাপ উৎপন্ন করে, এবং সেই তাপকে sensing বা signal-processing কাজে ব্যবহার করা যায়, তাহলে computational burden-এর একটি অংশ অতিরিক্ত বৈদ্যুতিক কাজের বদলে বিদ্যমান ভৌত উপজাতের ওপর স্থানান্তরিত হতে পারে।

এটি edge device, embedded electronics, এবং এমন সিস্টেমে গুরুত্বপূর্ণ হতে পারে যেখানে thermal management আগেই একটি বড় design concern। তাপ-সংক্রান্ত তথ্য মাপা বা প্রক্রিয়াকরণের জন্য অতিরিক্ত circuitry যোগ করার বদলে, একটি chip কিছু কাজে heat flow-কে সরাসরি operating substrate হিসেবে ব্যবহার করতে পারে।

উৎস প্রতিবেদন একটি বিশেষভাবে তাৎক্ষণিক সম্ভাবনার কথা বলছে: thermal sensing। গবেষকদের মতে, এই কৌশল সমস্যাজনক heat source শনাক্ত করতে এবং অতিরিক্ত শক্তি ব্যয় না করে electronics-এ temperature changes মাপতে সাহায্য করতে পারে। এটি মূল্যবান chip area দখলকারী একাধিক temperature sensor-এর প্রয়োজনও কমাতে পারে।

এটাই সম্ভবত আরও বাস্তবসম্মত প্রথম প্রয়োগ। বিপ্লবী কম্পিউটিং paradigm-গুলো প্রায়ই তাদের প্রাথমিক মূল্য পায় mainstream processor প্রতিস্থাপন করে নয়, বরং সংকীর্ণ ও জরুরি কোনো সমস্যাকে বিদ্যমান সরঞ্জামের চেয়ে ভালোভাবে সমাধান করে।

ইলেকট্রনিক্সের ভেতরের তাপকে দেখার ভিন্ন দৃষ্টিভঙ্গি

আধুনিক chip design সাধারণত তাপকে engineering constraint হিসেবে দেখে। অতিরিক্ত তাপ কর্মক্ষমতা কমায়, উপাদানের আয়ু ছোট করে, এবং cooling cost বাড়ায়। তাই প্রধান লক্ষ্য হয় সেটিকে কমানো, সরানো, বা dissipate করা।

এই গবেষণা এর বিপরীত অবস্থান নিচ্ছে। উৎস পাঠ্যে উদ্ধৃত প্রধান লেখক Caio Silva বলেছেন, তাপ সাধারণত electronic computation-এর waste product। এখানে দলটি তাপকেই তথ্য হিসেবে ব্যবহার করছে।

এই পরিবর্তন ধারণাগতভাবে গুরুত্বপূর্ণ। এটি ইঙ্গিত দেয় যে ডিভাইসের ভেতরের thermal behavior শুধু পরিচালনার সমস্যা নয়, বরং এমন একটি সম্পদ যা আকার দেওয়া যায়। সিলিকন কাঠামো সাধারণ channel নয়। এগুলো optimized geometry, যাতে thermal flow একটি কাঙ্ক্ষিত রূপান্তর বাস্তবায়ন করে।

অর্থাৎ, material layout নিজেই গণনার অংশ হয়ে ওঠে। তৈরি হওয়ার পর, কাঠামোটি physically নির্ধারণ করে তাপ কীভাবে ছড়াবে, ফলে ডিভাইস তার নিজস্ব thermodynamics ব্যবহার করে একটি নির্দিষ্ট operation সমাধান করতে পারে।

সীমাবদ্ধতাগুলো বাস্তব, কিন্তু সুযোগও তাই

অনেক পরীক্ষামূলক কম্পিউটিং ধারণা একটি বুদ্ধিদীপ্ত proof of concept আর একটি manufacturable, scalable platform-এর মধ্যে ব্যবধানেই আটকে যায়। এই কাজটি স্পষ্টভাবেই সেই ব্যবধানের মুখোমুখি। উৎস প্রতিবেদনে scaling, complexity, এবং distance-related accuracy loss-এর সমস্যা উল্লেখ করা হয়েছে। এগুলো তুচ্ছ নয়। এটাই পরীক্ষাগার ফলাফল আর বাণিজ্যিকভাবে কার্যকর architecture-এর পার্থক্য নির্ধারণ করে।

তবুও, গবেষণাটির বেশ কিছু গুণ এটিকে লক্ষ্যযোগ্য করে তোলে। প্রথমত, এটি অন্তত কিছু matrix operation-এ উচ্চ নির্ভুলতা প্রদর্শন করে। দ্বিতীয়ত, এটি microscopic silicon structure-এর ওপর নির্ভরশীল, অর্থাৎ এটি semiconductor জগতের পরিচিত material ও fabrication approach-এর সঙ্গে যুক্ত। তৃতীয়ত, এটি একটি বাড়তে থাকা bottleneck-কে লক্ষ্য করে: ক্রমবর্ধমান ঘন electronics-এর thermal behavior কীভাবে sensing, managing, এবং সম্ভব হলে কাজে লাগানো যায়।

তাপ-ভিত্তিক অ্যানালগ কম্পিউটিং কখনো general-purpose AI engine না-ও হতে পারে, কিন্তু এটি co-processor, on-chip diagnostics, বা বিশেষায়িত কম-শক্তির signal-processing ফাংশনে ভূমিকা নিতে পারে।

বৃহত্তর কম্পিউটিং পরিসরে এর গুরুত্ব কেন

এই কাজের গুরুত্ব digital computing-কে প্রতিস্থাপন করার চেয়ে, গণনা কী কী জিনিসকে বোঝায় তা বিস্তৃত করার মধ্যে বেশি। AI এবং অন্যান্য data-intensive workload শক্তির চাহিদা বাড়াচ্ছে বলে গবেষকেরা efficiency gain খুঁজতে analog, photonic, neuromorphic, এবং অন্যান্য অপ্রচলিত architecture আবার বিবেচনা করছেন।

এই MIT-নেতৃত্বাধীন প্রচেষ্টা সেই প্রবণতার সঙ্গে সরাসরি মিলে যায়। এটি প্রস্তাব করছে যে thermal energy, যা সাধারণত loss হিসেবে ধরা হয়, আংশিকভাবে function হিসেবে পুনরুদ্ধার করা যেতে পারে। এমন এক যুগে, যখন chip-এর প্রতিটি watt গুরুত্বপূর্ণ, এই ধারণার ব্যবহারিক ও দার্শনিক উভয় দিক থেকেই আকর্ষণ আছে।

উৎস প্রতিবেদন কোনো নিকট-ভবিষ্যতের processor-এর প্রতিশ্রুতি দেয় না, যা শুধুই অপচয় তাপে বিশাল language model চালাবে, এবং এটিকে সেভাবে পড়াও উচিত নয়। এটি যা দেয়, তা হলো বিশ্বাসযোগ্য প্রমাণ যে নির্বাচিত কাজে তাপকে উচ্চ নির্ভুলতায় information হিসেবে encode, direct, এবং interpret করা যায়।

এটাই নতুন গবেষণার একটি ধারা খুলতে যথেষ্ট হতে পারে। কম্পিউটিং ইতিহাস এমন উদাহরণে ভরা, যেখানে প্রথমে সংকীর্ণ একটি কৌশল মূল্যবান হয়ে ওঠে কারণ এটি একটি কঠিন সমস্যা অসাধারণভাবে ভালোভাবে সমাধান করেছিল। waste-heat computing-ও সেই পথ ধরতে পারে। এর প্রথম প্রভাব processor প্রতিস্থাপন থেকে নয়, বরং chip-এর সবচেয়ে উষ্ণ দায়কে একটি নতুন টুলে রূপান্তর করার মাধ্যমে আসতে পারে।

এই নিবন্ধটি MIT Technology Review-এর প্রতিবেদনের ওপর ভিত্তি করে। মূল নিবন্ধ পড়ুন.