नैनोमैग्नेटिक कंप्यूटिंग एआई के ऊर्जा उपयोग में भारी कटौती कर सकती है

जैसे-जैसे इंटरनेट ऑफ थिंग्स का विस्तार होता है, इंजीनियर हर चीज में एआई को एम्बेड करना चाहते हैं, लेकिन इसके लिए जितनी ऊर्जा की आवश्यकता होती है, वह सबसे छोटे और सबसे दूरस्थ उपकरणों के लिए एक चुनौती है। एक नया "नैनोमैग्नेटिक" कंप्यूटिंग दृष्टिकोण एक समाधान प्रदान कर सकता है।

जबकि सबसे अधिक AI विकास आज बड़े डेटा केंद्रों में चल रहे बड़े, जटिल मॉडल पर केंद्रित है, छोटे और अधिक शक्ति-बाधित उपकरणों पर सरल एआई अनुप्रयोगों को चलाने के तरीकों की भी मांग बढ़ रही है।

कई अनुप्रयोगों के लिए, पहनने योग्य से लेकर स्मार्ट औद्योगिक सेंसर से लेकर ड्रोन तक, क्लाउड-आधारित एआई सिस्टम को डेटा भेजने का कोई मतलब नहीं है। यह निजी डेटा साझा करने के बारे में चिंताओं, या डेटा संचारित करने और प्रतिक्रिया की प्रतीक्षा करने से आने वाली अपरिहार्य देरी के कारण हो सकता है।

लेकिन इनमें से कई डिवाइस एआई के लिए सामान्य रूप से उपयोग किए जाने वाले उच्च-शक्ति वाले प्रोसेसर को रखने के लिए बहुत छोटे हैं। वे बैटरी या पर्यावरण से एकत्रित ऊर्जा पर भी चलते हैं, और इसलिए पारंपरिक गहन शिक्षण दृष्टिकोणों की मांग की बिजली आवश्यकताओं को पूरा नहीं कर सकते हैं।

इसने नए हार्डवेयर और कंप्यूटिंग दृष्टिकोणों में अनुसंधान के बढ़ते शरीर को जन्म दिया है जिससे इस प्रकार के सिस्टम पर एआई चलाना संभव हो गया है। इस काम में से अधिकांश ने मस्तिष्क से उधार लेने की मांग की है, जो एक प्रकाश बल्ब के रूप में समान मात्रा में बिजली का उपयोग करते हुए कंप्यूटिंग के अविश्वसनीय करतबों में सक्षम है। इनमें न्यूरोमॉर्फिक चिप्स शामिल हैं जो मस्तिष्क की तारों की नकल करते हैं और प्रोसेसर से निर्मित होते हैं memristors-इलेक्ट्रॉनिक घटक जो जैविक न्यूरॉन्स की तरह व्यवहार करते हैं।

नए शोध ने बी . का नेतृत्व कियाy इंपीरियल कॉलेज लंदन के वैज्ञानिकों का सुझाव है कि नैनोस्केल मैग्नेट के नेटवर्क के साथ कंप्यूटिंग एक आशाजनक विकल्प हो सकता है। में एक काग़ज़ पिछले सप्ताह में प्रकाशित प्रकृति नैनो प्रौद्योगिकी, टीम ने दिखाया कि चुंबकीय क्षेत्रों को छोटे चुंबकीय तत्वों की एक सरणी में लागू करके, वे जटिल डेटा को संसाधित करने के लिए सिस्टम को प्रशिक्षित कर सकते हैं और सामान्य कंप्यूटर की शक्ति के एक अंश का उपयोग करके भविष्यवाणियां प्रदान कर सकते हैं।

उनके दृष्टिकोण के केंद्र में एक मेटामटेरियल के रूप में जाना जाता है, एक मानव निर्मित सामग्री जिसकी आंतरिक भौतिक संरचना को असामान्य रूप से प्रकृति में नहीं पाए जाने वाले असामान्य गुण देने के लिए सावधानीपूर्वक इंजीनियर किया जाता है। विशेष रूप से, टीम ने एक "कृत्रिम स्पिन प्रणाली" बनाई, जो कई नैनोमैग्नेट्स की एक व्यवस्था है जो विदेशी चुंबकीय व्यवहार को प्रदर्शित करने के लिए गठबंधन करती है।

उनका डिज़ाइन सैकड़ों 600-नैनोमीटर-लंबी सलाखों की जाली से बना है, जो एक अत्यधिक चुंबकीय निकल-लौह मिश्र धातु है। इन सलाखों को Xs के दोहराए जाने वाले पैटर्न में व्यवस्थित किया जाता है, जिनकी ऊपरी भुजाएँ उनकी निचली भुजाओं से अधिक मोटी होती हैं।

आम तौर पर कृत्रिम स्पिन सिस्टम में एक एकल चुंबकीय बनावट होती है, जो इसके नैनोमैग्नेट में चुंबकीयकरण के पैटर्न का वर्णन करती है। लेकिन इंपीरियल टीम के मेटामटेरियल में दो अलग-अलग बनावट और चुंबकीय क्षेत्रों के जवाब में इसके विभिन्न हिस्सों के बीच स्विच करने की क्षमता होती है।

शोधकर्ताओं ने इन गुणों का उपयोग एआई के एक रूप को लागू करने के लिए किया जिसे जलाशय कंप्यूटिंग के रूप में जाना जाता है। गहरी शिक्षा के विपरीत, जिसमें एक तंत्रिका नेटवर्क अपने कनेक्शन को फिर से जोड़ता है क्योंकि यह एक कार्य पर प्रशिक्षण देता है, यह दृष्टिकोण एक ऐसे नेटवर्क में डेटा फीड करता है, जिसके कनेक्शन सभी निश्चित होते हैं और इस नेटवर्क से क्या निकलता है, इसकी व्याख्या करने के लिए केवल एक आउटपुट परत को प्रशिक्षित करता है।

इस निश्चित नेटवर्क को भौतिक प्रणालियों के साथ बदलना भी संभव है, जिसमें मेमरिस्टर या ऑसिलेटर जैसी चीजें शामिल हैं, जब तक कि उनके पास कुछ गुण होते हैं, जैसे कि इनपुट के लिए एक गैर-रेखीय प्रतिक्रिया और पिछले इनपुट की स्मृति का कुछ रूप। नई कृत्रिम स्पिन प्रणाली उन आवश्यकताओं को पूरा करती है, इसलिए टीम ने डेटा-प्रोसेसिंग कार्यों की एक श्रृंखला को पूरा करने के लिए इसे एक जलाशय के रूप में उपयोग किया।

वे अपनी आंतरिक गतिशीलता की अनुमति देने से पहले चुंबकीय क्षेत्रों के अनुक्रमों के अधीन सिस्टम में डेटा इनपुट करते हैं सेवा मेरे डेटा को संसाधित करें। फिर उन्होंने नैनोमैग्नेट्स के अंतिम वितरण को निर्धारित करने के लिए फेरोमैग्नेटिक रेजोनेंस नामक एक इमेजिंग तकनीक का उपयोग किया, जिसने उत्तर प्रदान किया।

हालांकि ये व्यावहारिक डेटा-प्रसंस्करण कार्य नहीं थे, टीम यह दिखाने में सक्षम थी कि उनकी डिवाइस समय के साथ भिन्न होने वाले डेटा से जुड़ी भविष्यवाणी चुनौतियों की एक श्रृंखला पर प्रमुख जलाशय कंप्यूटिंग योजनाओं से मेल खाने में सक्षम थी। महत्वपूर्ण रूप से, उन्होंने दिखाया कि यह काफी छोटे प्रशिक्षण सेटों पर कुशलता से सीखने में सक्षम था, जो कि कई वास्तविक दुनिया के IoT अनुप्रयोगों में महत्वपूर्ण होगा।

और न केवल उपकरण बहुत छोटा है, तथ्य यह है कि यह बिजली को बंद करने के बजाय गणना करने के लिए चुंबकीय क्षेत्रों का उपयोग करता है, इसका मतलब है कि यह बहुत कम बिजली की खपत करता है। में एक प्रेस विज्ञप्ति, शोधकर्ताओं का अनुमान है कि जब इसे बढ़ाया जाता है तो यह पारंपरिक कंप्यूटिंग की तुलना में 100,000 गुना अधिक कुशल हो सकता है।

इस तरह के उपकरण को व्यावहारिक उपयोग में लाने के लिए अभी एक लंबा रास्ता तय करना है, लेकिन परिणाम बताते हैं कि मैग्नेट पर आधारित कंप्यूटर हर जगह AI को एम्बेड करने में महत्वपूर्ण भूमिका निभा सकते हैं।

छवि क्रेडिट: बारबरा जैक्सन / 264 छवियां

• कॉइनस्मार्ट। यूरोप का सर्वश्रेष्ठ बिटकॉइन और क्रिप्टो एक्सचेंज।
• प्लेटोब्लॉकचैन। Web3 मेटावर्स इंटेलिजेंस। ज्ञान प्रवर्धित। नि: शुल्क प्रवेश।
• क्रिप्टोहॉक। Altcoin रडार। मुफ्त परीक्षण।
• स्रोत: https://singularityhub.com/2022/05/09/nanomagnetic-computing-could-drastically-cut-ais-energy-use/