కొత్త అనలాగ్ చిప్ పరిశోధనలో వ్యర్థ ఉష్ణం కంప్యూటింగ్ మాధ్యమంగా మారుతోంది

ఎలక్ట్రానిక్స్ సాధారణంగా తొలగించడానికి ప్రయత్నించే వేడి ఉపయోగకరమైన పని చేయగలిగితే?

ఆ ఆలోచనపై ఆధారపడిన కొత్త అనలాగ్ కంప్యూటింగ్ విధానాన్ని MIT యొక్క Institute for Soldier Nanotechnologies లోని పరిశోధకుల నేతృత్వంలోని బృందం నివేదించింది. వ్యర్థ ఉష్ణాన్ని అనవసర ఉపఉత్పత్తిగా చూడకుండా, పరిశోధకులు దానినే సమాచార వాహకంగా ఉపయోగించారు.

మూల నివేదికలో వివరించిన వ్యవస్థలో, ఇన్‌పుట్ డేటా విద్యుత్ బైనరీ విలువలుగా ఎన్‌కోడ్ చేయబడదు. అది పరికరంలో ఇప్పటికే ఉన్న వేడి ఆధారంగా ఉష్ణోగ్రతల సమాహారంగా ప్రాతినిధ్యం వహిస్తుంది. ఆ థర్మల్ సమాచారం భౌతికశాస్త్ర-ఆధారిత ఆప్టిమైజేషన్ అల్గోరిథం ద్వారా రూపొందించిన జ్యామితి గల సూక్ష్మ సిలికాన్ నిర్మాణాల ద్వారా ప్రయాణిస్తుంది. ఏర్పడే వేడి పంపిణీ మరియు ప్రవాహం గణనను నిర్వహిస్తాయి, కాగా అవుట్‌పుట్ మరో చివర సేకరించిన శక్తిగా ప్రతినిధ్యం వహిస్తుంది.

ఇది సాంప్రదాయ తర్కానికి striking inversion. ఆధునిక కంప్యూటింగ్ వ్యవస్థలు ఎక్కువగా విద్యుత్తుతో పనిచేస్తాయి, ఆపై తాము ఉత్పత్తి చేసే వేడితో పోరాడుతాయి. ఈ పని, కొన్ని రకాల గణనలు ఆ వేడిని ఉపయోగించుకోవచ్చా, ప్రత్యేక అనువర్తనాల్లో అదనపు శక్తి అవసరాన్ని తగ్గించవచ్చా అని ప్రశ్నిస్తోంది.

మిషన్ లెర్నింగ్‌లో ఉపయోగించే ముఖ్య ఆపరేషన్‌ను పరిశోధకులు చూపించారు

బృందం సిలికాన్ నిర్మాణాలను ఉపయోగించి మ్యాట్రిక్స్-వెక్టర్ గుణాకారానికి ఒక సరళ రూపాన్ని నిర్వహించింది; ఇది పెద్ద భాషా మోడళ్లను కూడా కలుపుకొని మిషన్-లెర్నింగ్ వ్యవస్థల కేంద్రంలో ఉండే గణిత ఆపరేషన్. మూల పాఠ్యం ప్రకారం, అనేక సందర్భాల్లో ఫలితాలు 99 శాతం కంటే ఎక్కువ ఖచ్చితత్వంతో వచ్చాయి.

ఆ ఖచ్చితత్వం గమనార్హం, ఎందుకంటే మ్యాట్రిక్స్ ఆపరేషన్లు అనేక AI వర్క్‌లోడ్‌లను ఆధిపత్యం చేసే పునరావృత రేఖీయ బీజగణిత రకమే. సిద్ధాంతంగా, వాటిని సమర్థవంతంగా నిర్వహించగల ఏ కొత్త పద్ధతైనా దృష్టిని ఆకర్షిస్తుంది. కానీ తాము నిర్మించిన దాన్ని అతిగా చెప్పకూడదని పరిశోధకులు జాగ్రత్తగా ఉన్నారు.

ఆధునిక డీప్ లెర్నింగ్‌లో ఉపయోగించే మహత్తర వ్యవస్థల స్థాయికి ఈ సాంకేతికత ఇంకా చాలా దూరంలో ఉందని మూల నివేదిక స్పష్టం చేస్తుంది. ఇలాంటి ఉష్ణ నిర్మాణాలను లక్షల సంఖ్యలో కలిపి అమర్చడం గణనీయమైన ఇంజనీరింగ్ సవాళ్లను తెస్తుంది. మ్యాట్రిక్స్‌లు మరింత సంక్లిష్టమవుతున్న కొద్దీ, ఇన్‌పుట్ మరియు అవుట్‌పుట్ టెర్మినల్స్ మధ్య దూరం పెరుగుతున్న కొద్దీ ఖచ్చితత్వం కూడా తగ్గుతుంది.

అందువల్ల ఇది డిజిటల్ AI accelerators‌కు సమీప భవిష్యత్ ప్రత్యామ్నాయం కాదు. పరిమిత పరిస్థితుల్లో థర్మల్ అనలాగ్ కంప్యూటేషన్ నిజంగానే, ఖచ్చితంగానే చేయవచ్చని చూపించే ప్రదర్శనగా ఇది మెరుగుగా అర్థం చేసుకోవాలి.

అనలాగ్ వేడి-ఆధారిత కంప్యూటింగ్ ఎందుకు ఆసక్తికరం

దాని ఆకర్షణ శక్తి తర్కంలో ఉంది. ఒక పరికరం ఇప్పటికే వేడి ఉత్పత్తి చేస్తుంటే, ఆ వేడిని సెన్సింగ్ లేదా సిగ్నల్-ప్రాసెసింగ్ పనులకు వినియోగించగలిగితే, అదనపు విద్యుత్ పనిని అవసరం లేకుండా కంప్యూటేషనల్ భారంలో కొంత భాగాన్ని ఇప్పటికే ఉన్న భౌతిక ఉపఉత్పత్తికి మార్చవచ్చు.

అది ఎడ్జ్ పరికరాలు, ఎంబెడెడ్ ఎలక్ట్రానిక్స్, మరియు థర్మల్ మేనేజ్‌మెంట్ ఇప్పటికే ప్రధాన డిజైన్ ఆందోళనగా ఉండే వ్యవస్థల్లో ముఖ్యమవుతుంది. ఉష్ణ సంబంధిత సమాచారాన్ని కొలవడానికి లేదా ప్రాసెస్ చేయడానికి అదనపు సర్క్యూట్రీని జోడించడానికి బదులు, ఒక chip కొన్ని పనుల కోసం వేడి ప్రవాహాన్ని నేరుగా ఆపరేటింగ్ సబ్‌స్ట్రేట్‌గా ఉపయోగించవచ్చు.

మూల నివేదిక ఒక ప్రత్యేకంగా సమీప అవకాశాన్ని హైలైట్ చేస్తుంది: థర్మల్ సెన్సింగ్. అదనపు శక్తి ఖర్చు చేయకుండా సమస్యాత్మక వేడి మూలాలను గుర్తించడానికి, ఎలక్ట్రానిక్స్‌లో ఉష్ణోగ్రత మార్పులను కొలవడానికి ఈ సాంకేతికత సహాయపడవచ్చని పరిశోధకులు అంటున్నారు. విలువైన chip స్థలాన్ని ఆక్రమించే అనేక ఉష్ణోగ్రత సెన్సార్ల అవసరాన్ని కూడా ఇది తగ్గించగలదు.

అది మరింత వాస్తవికమైన తొలి అనువర్తనం కావచ్చేమో. విప్లవాత్మక కంప్యూటింగ్ పరిపాటులు సాధారణంగా ప్రధానప్రవాహ ప్రాసెసర్లను భర్తీ చేయడం ద్వారా కాకుండా, ఇప్పటికే ఉన్న సాధనాల కంటే మరింత సంకుచితమైన, అత్యవసరమైన సమస్యను మెరుగ్గా పరిష్కరించడం ద్వారా తమ తొలి విలువను కనుగొంటాయి.

ఎలక్ట్రానిక్స్ లోపల వేడిని చూసే వేరే దృష్టికోణం

ఆధునిక chip డిజైన్ సాధారణంగా వేడిని ఒక ఇంజనీరింగ్ పరిమితిగా చూస్తుంది. అధిక వేడి పనితీరును తగ్గిస్తుంది, భాగాల జీవితం తగ్గిస్తుంది, మరియు శీతలీకరణ ఖర్చులను పెంచుతుంది. అందువల్ల ప్రధాన లక్ష్యం దాన్ని తగ్గించడం, తరలించడం, లేదా వెదజల్లడమే.

ఈ పరిశోధన దానికి విరుద్ధమైన వైఖరిని స్వీకరిస్తోంది. మూల పాఠ్యంలో పేర్కొన్న ప్రధాన రచయిత Caio Silva, వేడి సాధారణంగా ఎలక్ట్రానిక్ గణన యొక్క వ్యర్థ ఉత్పత్తి అని పేర్కొంటారు. ఇక్కడ, బృందం వేడినే సమాచారంగా ఉపయోగిస్తోంది.

ఈ మార్పు భావనాత్మకంగా ముఖ్యమైనది. పరికరాల్లోని థర్మల్ ప్రవర్తనను నిర్వహించాల్సిన సమస్యగా మాత్రమే కాకుండా, ఆకృతీకరించగల వనరుగా కూడా చూడవచ్చని ఇది సూచిస్తుంది. సిలికాన్ నిర్మాణాలు సాధారణ ఛానెల్స్ కావు. అవి కావలసిన మార్పును థర్మల్ ప్రవాహం అమలు చేయడానికి రూపొందించిన ఆప్టిమైజ్డ్ జ్యామితులు.

ప్రయోగంలో, పదార్థాల అమరికే గణనలో భాగమవుతుంది. తయారైన తర్వాత, ఆ నిర్మాణం వేడి ఎలా వ్యాపించాలో భౌతికంగా నియంత్రిస్తుంది, తద్వారా పరికరం తన స్వంత థర్మోడైనమిక్స్ ద్వారా ఒక నిర్దిష్ట ఆపరేషన్‌ను పరిష్కరించగలదు.

పరిమితులు వాస్తవమే, కానీ అవకాశమూ వాస్తవమే

అనేక ప్రయోగాత్మక కంప్యూటింగ్ ఆలోచనలు తెలివైన proof of concept మరియు తయారీకి అనువైన, విస్తరించగల platform మధ్య గల అంతరంలో తడబడతాయి. ఈ పని ఆ అంతరాన్ని స్పష్టంగా ఎదుర్కొంటోంది. మూల నివేదిక scaling, complexity, మరియు దూర సంబంధిత ఖచ్చితత్వ నష్టం సమస్యలను సూచిస్తోంది. అవి చిన్న విషయాలు కావు. అవే ప్రయోగశాల ఫలితం మరియు వాణిజ్యపరంగా సాధ్యమైన నిర్మాణం మధ్య తేడాను నిర్వచిస్తాయి.

అయినప్పటికీ, ఈ పరిశోధనను గమనించదగినదిగా 만드는 అనేక లక్షణాలు ఉన్నాయి. మొదట, కనీసం కొన్ని మ్యాట్రిక్స్ ఆపరేషన్లలో ఇది అధిక ఖచ్చితత్వాన్ని చూపుతోంది. రెండవది, ఇది సూక్ష్మ సిలికాన్ నిర్మాణాలపై ఆధారపడింది, అంటే సెమీకండక్టర్ ప్రపంచానికి ఇప్పటికే పరిచయమున్న పదార్థాలు మరియు తయారీ విధానాల్లో ఇది నాటుకుపోయింది. మూడవది, ఇది పెరుగుతున్న bottleneckను లక్ష్యంగా పెట్టుకుంది: మరింత సాంద్రత కలిగిన ఎలక్ట్రానిక్స్ యొక్క థర్మల్ ప్రవర్తనను ఎలా సెన్స్ చేయాలి, నిర్వహించాలి, మరియు బహుశా ఉపయోగించాలి.

వేడి-ఆధారిత అనలాగ్ కంప్యూటింగ్ ఎప్పటికీ సాధారణ ప్రయోజన AI ఇంజిన్‌గా మారకపోయినా, అది కో-ప్రాసెసర్లు, ఆన్-చిప్ డయాగ్నొస్టిక్స్, లేదా ప్రత్యేకమైన తక్కువ-శక్తి సిగ్నల్-ప్రాసెసింగ్ ఫంక్షన్లలో తన పాత్రను ఏర్పరచుకోగలదు.

విస్తృత కంప్యూటింగ్ దృశ్యంలో ఇది ఎందుకు ముఖ్యం

ఈ పనியின் ప్రాముఖ్యత డిజిటల్ కంప్యూటింగ్‌ను భర్తీ చేయడంలో కాకుండా, గణనగా ఏది పరిగణించబడుతుందో విస్తరించడంలో ఉంది. AI మరియు ఇతర డేటా-సాంద్ర పనులు శక్తి డిమాండ్‌ను పెంచుతున్నకొద్దీ, సమర్థత లాభాల కోసం పరిశోధకులు అనలాగ్, ఫోటోనిక్, న్యూరోమార్ఫిక్, మరియు ఇతర అసాంప్రదాయ నిర్మాణాలను తిరిగి పరిశీలిస్తున్నారు.

ఈ MIT-నేతృత్వంలోని ప్రయత్నం ఆ ధోరణిలో పూర్తిగా సరిపోతుంది. సాధారణంగా నష్టంగా పరిగణించే thermal energy ని కొంతవరకు కార్యరూపంలోకి తిరిగి పొందవచ్చని ఇది ప్రతిపాదిస్తోంది. ఒక chip పై ప్రతి watt కీలకమైన యుగంలో, ఆ ఆలోచనకు ప్రాయోగికమైనదీ, తాత్వికమైనదీ అయిన ఆకర్షణ ఉంది.

మూల నివేదిక సమీప భవిష్యత్‌లో వ్యర్థ వేడితో మాత్రమే భారీ భాషా మోడళ్లను నడిపే processor ను హామీ ఇవ్వడం లేదు, అలా చదవకూడదు కూడా. ఇది అందిస్తున్నది, ఎంపిక చేసిన పనుల్లో వేడిని అధిక ఖచ్చితత్వంతో సమాచారంగా ఎన్‌కోడ్ చేయడం, దారి మళ్లించడం, మరియు అర్థం చేసుకోవడం సాధ్యమని నమ్మదగిన ప్రదర్శన.

అది కొత్త పరిశోధనా దిశను తెరవడానికి సరిపోవచ్చు. కంప్యూటింగ్ చరిత్రలో మొదట సంకుచితంగా కనిపించిన పద్ధతి, ఒక క్లిష్ట సమస్యను అసాధారణంగా బాగా పరిష్కరించినందున విలువైనదిగా మారిన ఉదాహరణలు ఎన్నో ఉన్నాయి. వ్యర్థ-వేడి కంప్యూటింగ్ కూడా అదే దారిని అనుసరించవచ్చు. దాని తొలి ప్రభావం processor ను భర్తీ చేయడం వల్ల కాకుండా, chip యొక్క అత్యంత వేడైన బాధ్యతను కొత్త సాధనంగా మార్చడం వల్ల రావచ్చు.

ఈ వ్యాసం MIT Technology Review నివేదిక ఆధారంగా రాసింది. మూల వ్యాసాన్ని చదవండి.