AI విద్యుత్ సమస్య ఆప్టికల్ కంప్యూటింగ్కు అవకాశాన్ని మళ్లీ తెరుస్తోంది
ఆప్టికల్ కంప్యూటింగ్ దశాబ్దాలుగా సంప్రదాయ ఎలక్ట్రానిక్స్ నీడలో ఉంది. దీని ప్రాథమిక ప్రతిపాదన ఆకర్షణీయమైనది: లేకపోతే electronic circuits నిర్వహించాల్సిన గణిత చర్యలను కాంతిని ఉపయోగించి చేయడం. అయినప్పటికీ, 70 సంవత్సరాలకు పైగా ఈ సాంకేతికత విస్తృత వాణిజ్య computing platformగా కాకుండా ప్రధానంగా పరిశోధనా ప్రయత్నంగానే ఉంది.
ఆ దృశ్యం మారడం ప్రారంభమైంది. కృత్రిమ మేధస్సు ఎక్కువ computing capacity మరియు మరింత విద్యుత్-సమర్థమైన inferenceకు డిమాండ్ పెంచుతున్నందున, కొత్త కంపెనీల తరంగం photonic systemsను అభివృద్ధి చేస్తోంది. దీని అర్థం optical processors త్వరలో data centers అంతటా graphics processorsను భర్తీ చేస్తాయని కాదు. అయితే AI energy constraints, సాంకేతికంగా ఆసక్తికరమైనప్పటికీ అమలు చేయడం కష్టమని భావించిన hardwareను అభివృద్ధి చేయడానికి కొత్త వాణిజ్య కారణాన్ని సృష్టించాయి.
IEEE Spectrum నివేదిక ప్రకారం, optical-computing రంగంలోని కంపెనీల సంయుక్త మార్కెట్ విలువ US$2.22 billionకు చేరుకుంది; 2022లో ఇది $0.4 billionగా ఉంది. United States, China, Germany మరియు Israelలో కంపెనీలు ఎదుగుతున్నాయి. ఇవి నేటి electronic systemsకు తోడ్పడగల లేదా ఎంపిక చేసిన workloadsలో వాటికి సవాలు విసరగల computing architecturesను కనుగొనే విస్తృత ప్రయత్నాన్ని ప్రతిబింబిస్తున్నాయి.
Inference ఎందుకు తక్షణ లక్ష్యం
ప్రధాన ప్రేరణ AI inference: శిక్షణ పొందిన modelsను ఉపయోగించి promptsకు సమాధానాలు ఇవ్వడం మరియు predictions చేయడం. ఎక్కువ మంది ప్రజలు, వ్యాపారాలు AI servicesను ఉపయోగిస్తున్న కొద్దీ, inference workloads పెద్ద data centers నిర్మాణాన్ని వేగవంతం చేస్తున్నాయి. ఫలితంగా modelsను train చేయడానికి మాత్రమే కాకుండా వాటిని నిరంతరం నడపడానికి అవసరమైన విద్యుత్పై కూడా దృష్టి పెరుగుతోంది.
Cornell Universityలో applied and engineering physics associate professor Peter McMahon, AI inference powerతో ఎంతగా పరిమితమైందో photonicsపై ఆసక్తిని నడిపిస్తోందని IEEE Spectrumకు తెలిపారు. కనీసం సిద్ధాంతపరంగా, optical systems conventional GPU-based hardwareతో పోలిస్తే చాలా తక్కువ powerతో సంబంధిత mathematical operationsను నిర్వహించే మార్గాన్ని అందించగలవు.
వాగ్దానం కేవలం కాంతి వేగంగా ప్రయాణిస్తుందనే విషయం కాదు. ప్రత్యేకంగా రూపొందించిన photonic hardware కొన్ని నిర్దిష్ట calculationsను సమర్థవంతంగా చేయగలదనే విషయం. digital computerలోని ప్రతి componentను opticsతో భర్తీ చేయడం కంటే ఇది మరింత పరిమితమైన, ఆచరణాత్మకమైన ప్రతిపాదన. అందుకే developers ఒక universal optical AI chipపై మాత్రమే ఆధారపడకుండా commercializationకు అనేక మార్గాలను పరిశీలిస్తున్నారు.
Data ఇప్పటికే ప్రయాణిస్తున్న చోటే computing
ఒక విధానం Englandకు చెందిన Optalysys నుంచి వచ్చింది. ఈ కంపెనీ networking pathలో optical-computing elementsను ఉంచుతోంది. Data centers ఇప్పటికే networking కోసం కాంతిని ఉపయోగిస్తున్నాయి. కాబట్టి optical signals ఇప్పటికే కదులుతున్న చోటే computational capacityను జోడించడం ఈ వ్యూహం లక్ష్యం. నివేదిక ప్రకారం, కంపెనీ on-chip optical element ఒక Fourier transform calculator.
ప్రస్తుత పునరుజ్జీవనంలో ఈ model ఒక ముఖ్యమైన తేడాను చూపిస్తుంది. సమీపకాల అవకాశమంటే Nvidia-style acceleratorsకు నేరుగా replacement కావడం కాకపోవచ్చు. బదులుగా, machines లేదా components మధ్య dataను తరలించే links వంటి సహజంగా సరిపోయే computing system భాగాల్లో photonicsను ప్రవేశపెట్టవచ్చు. Data ప్రయాణిస్తున్నప్పుడే ఉపయోగకరమైన calculations జరిగితే, ప్రతి workloadను ఒకేసారి redesign చేయాల్సిన అవసరం లేకుండా ఈ technology data-center architectureలో భాగమవుతుంది.
ఇతర ప్రయత్నాలు alternative AI algorithms, scientific computing మరియు సంబంధిత photonic systemsపై దృష్టి పెడుతున్నాయి. ఈ approaches పరిధి, GPU makersతో నేరుగా పోటీ పడాలనే అత్యంత ప్రతిష్ఠాత్మక లక్ష్యంలో విజయం సాధించే కంపెనీలకు మాత్రమే కాకుండా ఈ రంగానికి విలువ ఉండవచ్చని సూచిస్తోంది.
ఇతర రంగాలకు కూడా విలువనిచ్చే సాంకేతిక పోటీ
Yale Universityలో applied physics assistant professor మరియు McMahon laboratoryలో మాజీ postdoctoral researcher Logan Wright, అన్ని కంపెనీలు major AI-computing providersగా మారకపోయినా, అనేక కంపెనీల బలమైన పురోగతి సాంకేతికతకు ప్రయోజనం చేకూర్చగలదని IEEE Spectrumకు తెలిపారు. అభివృద్ధి పనులు ఇతర specialized purposesకు సేవలందించే photonic systemsను సాధ్యం చేయవచ్చు.
ప్రస్తుత పరిస్థితిని చూడటానికి ఇది ఉపయోగకరమైన మార్గం. సంవత్సరాలుగా optical computingకు లేని urgency, investment మరియు market attentionను AI అందిస్తోంది. అయితే ఆ డిమాండ్ ప్రేరేపించిన technical advances scientific computing మరియు network-integrated processingలో కూడా ఉపయోగపడవచ్చు. ఆధునిక data centersలోని demanding environmentలో విశ్వసనీయంగా పనిచేసే systemsగా laboratory advantagesను కంపెనీలు మార్చగలవా లేదా అన్నదానిపై వాణిజ్య ఫలితం ఆధారపడి ఉంటుంది.
ప్రస్తుతం optical computing ఒక emerging hardware field, electronic AI infrastructureకు స్థిరపడిన replacement కాదు. అయినప్పటికీ, power efficiency AIలో కీలక competitive issueగా మారిందని renewed investment సూచిస్తోంది. Inference విస్తరిస్తున్న కొద్దీ, hardware developers ఇప్పటికే ఉన్న chipsకు వేగవంతమైన versionsను దాటి, computation ఎలా మరియు ఎక్కడ జరుగుతుందో మార్చే architectures వైపు చూస్తున్నారు.
తర్వాత గమనించాల్సిన అంశాలు
- నిజమైన inference workloadsపై photonic systems ఉపయోగకరమైన power advantagesను నిరూపిస్తాయా.
- పూర్తి processor replacement కంటే in-network computing సులభమైన entry pointగా మారుతుందా.
- విస్తృత AI ambitions ఆశించినంతగా నెరవేరకపోయినా optical-computing investment వాణిజ్యపరంగా ఉపయోగకరమైన componentsను సృష్టిస్తుందా.
ఈ కథనం IEEE Spectrum reporting ఆధారంగా రూపొందించబడింది. అసలు కథనాన్ని చదవండి.
Originally published on spectrum.ieee.org





