AIच्या ऊर्जेच्या समस्येमुळे ऑप्टिकल कंप्युटिंगचा मुद्दा पुन्हा ऐरणीवर
ऑप्टिकल कंप्युटिंगने अनेक दशके पारंपरिक इलेक्ट्रॉनिक्सच्या सावलीत काम केले आहे. त्यामागील मूलभूत संकल्पना आकर्षक आहे: अन्यथा electronic circuitsना करावी लागणारी गणितीय कामे प्रकाशाचा वापर करून करणे. मात्र 70 वर्षांहून अधिक काळ ही technology व्यापक व्यावसायिक computing platform न बनता प्रामुख्याने संशोधनाचा विषय राहिली आहे.
आता हे चित्र बदलू लागले आहे. कृत्रिम बुद्धिमत्तेमुळे अधिक computing capacity आणि अधिक वीज-कार्यक्षम inferenceची मागणी वाढत असताना, कंपन्यांची नवी लाट photonic systems विकसित करत आहे. याचा अर्थ optical processors लवकरच data centersमध्ये graphics processorsची जागा घेतील असा नाही. मात्र AIच्या energy constraintsमुळे पूर्वी तांत्रिकदृष्ट्या रोचक पण प्रत्यक्ष वापरासाठी कठीण मानल्या गेलेल्या hardwareच्या विकासाला नवे व्यावसायिक कारण मिळाले आहे.
IEEE Spectrumच्या अहवालानुसार, optical-computing क्षेत्रातील कंपन्यांचे एकत्रित बाजारमूल्य US$2.22 billionवर पोहोचले आहे; 2022मध्ये ते $0.4 billion होते. United States, China, Germany आणि Israelमध्ये कंपन्या उदयास येत आहेत. आजच्या electronic systemsना पूरक ठरू शकतील किंवा निवडक workloadsमध्ये त्यांना आव्हान देऊ शकतील अशा computing architecturesचा शोध घेण्याच्या व्यापक प्रयत्नाचे हे प्रतिबिंब आहे.
Inference हे तातडीचे लक्ष्य का आहे
मुख्य प्रेरक AI inference आहे: प्रशिक्षित modelsचा वापर करून promptsना उत्तरे देणे आणि predictions करणे. अधिकाधिक लोक आणि व्यवसाय AI services वापरत असल्याने inference workloads मोठ्या data centersच्या उभारणीला चालना देत आहेत. त्यामुळे models train करण्यासाठीच नव्हे, तर ते सतत चालवण्यासाठी लागणाऱ्या विजेवरही लक्ष केंद्रित केले जात आहे.
Cornell Universityमधील applied and engineering physicsचे associate professor Peter McMahon यांनी IEEE Spectrumला सांगितले की AI inference powerमुळे किती मर्यादित झाले आहे, यामुळे photonicsमधील रस वाढत आहे. किमान तत्त्वतः, optical systems पारंपरिक GPU-based hardwareपेक्षा खूप कमी powerमध्ये संबंधित mathematical operations करण्याचा मार्ग देऊ शकतात.
यातील आश्वासन केवळ प्रकाश वेगाने प्रवास करतो यापुरते मर्यादित नाही. विशेषतः तयार केलेले photonic hardware विशिष्ट calculations कार्यक्षमतेने करू शकते, हा त्याचा गाभा आहे. digital computerमधील प्रत्येक component opticsने बदलण्यापेक्षा हा अधिक मर्यादित आणि व्यावहारिक प्रस्ताव आहे. त्यामुळे developers एका universal optical AI chipवर अवलंबून न राहता commercializationचे अनेक मार्ग शोधत आहेत.
Data जिथे आधीच प्रवास करत आहे, तिथेच computing
एक दृष्टिकोन Englandस्थित Optalysysकडून आला आहे. ही कंपनी networking pathमध्ये optical-computing elements बसवत आहे. Data centers networkingसाठी आधीपासून प्रकाशाचा वापर करतात; त्यामुळे optical signals जिथे आधीच प्रवास करत आहेत, तिथे computational capacity वाढवण्याचा या रणनीतीचा प्रयत्न आहे. अहवालानुसार, कंपनीचा on-chip optical element हा Fourier transform calculator आहे.
सध्याच्या पुनरुज्जीवनातील एक महत्त्वाचा फरक हा model स्पष्ट करतो. जवळच्या काळातील संधी Nvidia-style acceleratorsचा थेट replacement असेलच असे नाही. त्याऐवजी machines किंवा componentsमध्ये data नेणाऱ्या linksसारख्या, computing systemच्या नैसर्गिकरीत्या योग्य भागांमध्ये photonics आणता येऊ शकते. Data प्रवासात असतानाच उपयुक्त calculations करता आल्यास, प्रत्येक workload एकाच वेळी redesign करण्याची गरज न पडता ही technology data-center architectureचा भाग बनू शकते.
इतर प्रयत्न alternative AI algorithms, scientific computing आणि संबंधित photonic systemsवर केंद्रित आहेत. या approachesची व्याप्ती सूचित करते की GPU makersशी थेट स्पर्धा करण्याच्या सर्वात महत्त्वाकांक्षी उद्दिष्टात यशस्वी होणाऱ्या कंपन्यांपलीकडेही या क्षेत्राचे मूल्य असू शकते.
इतर क्षेत्रांपर्यंत पोहोचणाऱ्या मूल्याची तांत्रिक शर्यत
Yale Universityमधील applied physicsचे assistant professor आणि McMahon यांच्या laboratoryमधील माजी postdoctoral researcher Logan Wright यांनी IEEE Spectrumला सांगितले की सर्व कंपन्या major AI-computing providers बनल्या नाहीत तरी अनेक कंपन्यांची भक्कम प्रगती या technologyसाठी फायदेशीर ठरू शकते. विकासकामामुळे इतर specialized purposesसाठी वापरता येतील अशा photonic systemsना चालना मिळू शकते.
सध्याच्या क्षणाकडे पाहण्याचा हा एक उपयुक्त दृष्टिकोन आहे. अनेक वर्षे optical computingला नसलेली urgency, investment आणि market attention AI देत आहे. मात्र त्या मागणीमुळे प्रेरित technical advancesचा उपयोग scientific computing आणि network-integrated processingमध्येही होऊ शकतो. आधुनिक data centersच्या demanding environmentमध्ये विश्वासार्हपणे काम करणाऱ्या systemsमध्ये laboratory advantagesचे रूपांतर कंपन्या करू शकतात की नाही, यावर व्यावसायिक परिणाम अवलंबून असेल.
सध्या optical computing हे emerging hardware field आहे; electronic AI infrastructureचा स्थापित replacement नाही. तरीही renewed investmentमधून दिसते की power efficiency हा AIमधील केंद्रीय competitive issue बनला आहे. Inference वाढत असताना hardware developers विद्यमान chipsच्या अधिक वेगवान versionsपलीकडे पाहत आहेत आणि computation कसे व कुठे केले जाते हे बदलणाऱ्या architecturesकडे वळत आहेत.
पुढे काय पाहायचे
- खऱ्या inference workloadsवर photonic systems उपयुक्त power advantages दाखवतात का.
- पूर्ण processor replacementपेक्षा in-network computing सोपा entry point ठरतो का.
- व्यापक AI ambitions अपुऱ्या ठरल्या तरी optical-computing investment व्यावसायिकदृष्ट्या उपयुक्त components तयार करते का.
हा लेख IEEE Spectrumच्या reportingवर आधारित आहे. मूळ लेख वाचा.
Originally published on spectrum.ieee.org





