एआई को अपनी क्षमता को साकार करने के लिए, ऊर्जा मांगों को संबोधित करना आवश्यक है

Artificial Intelligence (AI) continues to power the 4th industrial revolution, alongside its energy demands. Today, anyone can access advanced AI tools and integrate them into their systems to improve efficiency and reduce workload. The energy required to power these algorithms increases as the demand for AI applications increases. As such, environmentalists are already pointing out sustainability concerns surrounding the tech. Thankfully, a team of researchers has created a highly efficient alternative. here’s what you need to know.

बढ़ती AI ऊर्जा मांगें ऊर्जा संकट पैदा कर रही हैं

नई AI प्रणालियाँ बढ़ती आवृत्ति से लॉन्च होती रहती हैं। सबसे हालिया वैश्विक ऊर्जा उपयोग पूर्वानुमान भविष्यवाणी करता है कि AI ऊर्जा खपत 2022 में 460 टेरावॉट-घंटे (TWh) से 2026 तक 1,000 TWh तक दोगुनी हो जाएगी। इन प्रोटोकॉल में सिफारिशकर्ता, बड़े भाषा मॉडल (LLMs), छवि और वीडियो प्रसंस्करण और निर्माण, Web3 सेवाएँ, और अधिक शामिल हैं।

शोधकर्ता के अध्ययन के अनुसार, AI प्रणालियों को डेटा स्थानांतरण की आवश्यकता होती है जो कि “तीन 64-बिट स्रोत ऑपरेण्ड पढ़ने और एक 64-बिट गंतव्य ऑपरेण्ड को ऑफ‑चिप मुख्य मेमोरी में लिखने पर गणना के लिए उपयोग की गई ऊर्जा से 200 गुना अधिक” के बराबर है। इस प्रकार, कृत्रिम बुद्धिमत्ता (AI) कंप्यूटिंग अनुप्रयोगों के लिए ऊर्जा खपत को कम करना डेवलपर्स के लिए प्रमुख चिंता का विषय है, जिन्हें इस बाधा को पार करके बड़े पैमाने पर अपनाने और तकनीक को परिपक्व बनाने की आवश्यकता होगी।

सौभाग्य से, मिनेसोटा विश्वविद्यालय के नवाचारी इंजीनियरों की एक टीम ने एक संभावित समाधान प्रस्तुत किया है जो AI प्रोटोकॉल की शक्ति खपत को कई स्तरों तक कम कर सकता है। इस कार्य को पूरा करने के लिए, शोधकर्ताओं ने एक नया चिप डिज़ाइन प्रस्तुत किया है जो अधिकांश आज की चिप्स में पाए जाने वाले वॉन न्यूमन आर्किटेक्चर को सुधारता है।

वॉन न्यूमन आर्किटेक्चर

जॉन वॉन न्यूमन ने 1945 में लॉजिक और मेमोरी इकाइयों को अलग करके कंप्यूटर क्षेत्र में क्रांति लाई, जिससे उस समय अधिक कुशल कंप्यूटिंग संभव हुई। इस व्यवस्था में, लॉजिक और डेटा अलग-अलग भौतिक स्थानों पर संग्रहीत होते हैं। उनका आविष्कार प्रदर्शन को बेहतर बनाता था क्योंकि यह दोनों को एक साथ एक्सेस करने की अनुमति देता था।

स्रोत – यूनिवर्सिटी ऑफ मिनेसोटा ट्विन सिटीज़

RAM

आज, अधिकांश कंप्यूटर अभी भी वॉन न्यूमन संरचना का उपयोग करते हैं, जहाँ आपका हार्ड ड्राइव आपके प्रोग्राम्स को संग्रहीत करता है और रैंडम एक्सेस मेमोरी (RAM) प्रोग्रामिंग निर्देशों और अस्थायी डेटा को रखती है। आज की RAM विभिन्न तरीकों से यह कार्य करती है, जिसमें DRAM शामिल है जो कैपेसिटर का उपयोग करता है, और SRAM जिसमें कई सर्किट होते हैं।

विशेष रूप से, यह संरचना दशकों तक उत्कृष्ट रही है। हालांकि, लॉजिक और मेमोरी के बीच निरंतर डेटा स्थानांतरण बहुत सारी ऊर्जा लेता है। जैसे-जैसे डेटा आवश्यकताएँ और गणनात्मक लोड बढ़ते हैं, यह ऊर्जा स्थानांतरण बढ़ता है। इस प्रकार, यह प्रदर्शन बाधा बनती है जो कंप्यूटिंग शक्ति बढ़ने पर दक्षता को सीमित करती है।

ऊर्जा मांगों में सुधार के प्रयास

वर्षों के दौरान, वॉन न्यूमन की आर्किटेक्चर को सुधारने के कई प्रयास किए गए हैं। इन प्रयासों ने मेमोरी प्रक्रिया के विभिन्न रूप बनाए हैं, जिसका लक्ष्य दो कार्यों को शारीरिक रूप से करीब लाना था। वर्तमान में, मुख्य तीन विविधताएँ शामिल हैं।

नियर‑मेमोरी प्रोसेसिंग

यह उन्नयन लॉजिक को शारीरिक रूप से मेमोरी के करीब ले जाता है। इसे 3D‑स्टैक्ड इन्फ्रास्ट्रक्चर का उपयोग करके हासिल किया गया। लॉजिक को करीब लाने से डेटा स्थानांतरण की दूरी और ऊर्जा कम हुई, जो गणनाओं को शक्ति प्रदान करने के लिए आवश्यक है। इस आर्किटेक्चर ने दक्षता में सुधार प्रदान किया।

इन‑मेमोरी कंप्यूटिंग

गणनात्मक आर्किटेक्चर को सुधारने की एक और वर्तमान विधि इन‑मेमोरी कंप्यूटिंग है। उल्लेखनीय है कि इस प्रकार के चिप के दो रूप हैं। मूल रूप में लॉजिक क्लस्टर को एक ही चिप पर मेमोरी के बगल में एकीकृत किया जाता है। यह कार्यान्वयन पूर्ववर्तियों में उपयोग किए गए ट्रांज़िस्टर्स को समाप्त करने में सक्षम बनाता है। हालांकि, कई लोग इस विधि को इन‑मेमोरी संरचना के “सच्चे” नहीं मानते क्योंकि इसमें अभी भी अलग-अलग मेमोरी स्थान होते हैं, जिसका अर्थ है कि डेटा स्थानांतरण से उत्पन्न प्रारंभिक प्रदर्शन समस्याएँ मौजूद रहती हैं, हालांकि छोटे पैमाने पर।

सच्चा इन‑मेमोरी

चिप आर्किटेक्चर का अंतिम प्रकार “सच्चा इन‑मेमोरी” है। इस प्रकार की आर्किटेक्चर के योग्य होने के लिए, मेमोरी को सीधे गणनाएँ करनी होती हैं। यह संरचना क्षमताओं और प्रदर्शन को बढ़ाती है क्योंकि लॉजिक ऑपरेशनों के लिए डेटा अपने स्थान पर ही रहता है। शोधकर्ता का नवीनतम सच्चा इन‑मेमोरी आर्किटेक्चर संस्करण CRAM है।

(CRAM)

कम्प्यूटेशनल रैंडम‑एक्सेस मेमोरी (CRAM) सच्ची इन‑मेमोरी गणनाओं को सक्षम करती है क्योंकि डेटा उसी एरे में प्रोसेस किया जाता है। शोधकर्ताओं ने मानक 1T1M STT‑MRAM आर्किटेक्चर को संशोधित करके CRAM को संभव बनाया। CRAM लेआउट प्रत्येक सेल में माइक्रो ट्रांज़िस्टर्स को एकीकृत करता है और मैग्नेटिक टनल जंक्शन‑आधारित CPUs पर आधारित है।

यह दृष्टिकोण बेहतर नियंत्रण और प्रदर्शन प्रदान करता है। टीम ने प्रत्येक सेल में एक अतिरिक्त ट्रांज़िस्टर, लॉजिक लाइन (LL), और लॉजिक बिट लाइन (LBL) को स्टैक किया, जिससे उसी मेमोरी बैंक में रीयल‑टाइम गणना संभव हुई।

CRAM का इतिहास

आज की AI प्रणालियों को एक नई संरचना की आवश्यकता है जो उनकी गणनात्मक मांगों को पूरा कर सके बिना स्थिरता संबंधी चिंताओं को घटाए। इस मांग को पहचानते हुए, इंजीनियरों ने पहली बार CRAM क्षमताओं में गहराई से अध्ययन करने का निर्णय लिया। उनके परिणाम NPJ वैज्ञानिक जर्नल में रिपोर्ट “मैग्नेटिक टनल जंक्शन‑आधारित कम्प्यूटेशनल रैंडम‑एक्सेस मेमोरी का प्रयोगात्मक प्रदर्शन” के तहत प्रकाशित हुए।

पहला CRAM एक MTJ डिवाइस संरचना का उपयोग करता था। ये स्पिनट्रॉनिक डिवाइस पहले के स्टोरेज तरीकों को बेहतर बनाते हैं क्योंकि वे डेटा को ट्रांसफर और स्टोर करने के लिए ट्रांज़िस्टर्स की बजाय इलेक्ट्रॉन स्पिन का उपयोग करते हैं, MTJ विधि का उपयोग करके। यह विधि दो फेरोमैग्नेटिक (FM) परतों के बीच स्थित एक पतली टनलिंग बैरियर का उपयोग करती है। एक छोटा वोल्टेज इन इलेक्ट्रॉनों को उत्तेजित करता है और परतों के बीच स्थानांतरित करता है।

यह स्थानांतरण धारा उत्पन्न करता है। यह मेमोरी को पढ़ने और लिखने का एक कुशल तरीका भी प्रदान करता है। नवीनतम CRAM अपग्रेड इस अवधारणा को आगे बढ़ाता है, उच्च‑प्रदर्शन परिणाम प्रदान करता है जबकि ऊर्जा मांगों को कम करता है।

CRAM अध्ययन

CRAM अवधारणा कई वर्षों से विकसित हो रही है। हालांकि, अब तक इसकी क्षमताओं का गहन परीक्षण बहुत अधिक नहीं हुआ था। उल्लेखनीय है कि इस अध्ययन ने टीम और उसके पूर्वजों द्वारा विकसित विभिन्न पेटेंटेड अवधारणाओं का उपयोग किया। उदाहरण के लिए, मैग्नेटिक रैंडम एक्सेस मेमोरी (MRAM), जो आज के स्मार्टवॉच, सेंसर, और माइक्रोकंट्रोलर्स का एक महत्वपूर्ण घटक है, को संशोधित MTJ डिवाइसों के साथ उपयोग करके प्रदर्शन को बेहतर बनाया गया।

CRAM परीक्षण

परीक्षण चरण में शोधकर्ताओं को लॉजिक निष्पादन के दौरान चिप्स के प्रदर्शन को मापना पड़ा। शोधकर्ताओं ने स्केलर जोड़, गुणा, और मैट्रिक्स गुणा सहित विभिन्न रणनीतियों का उपयोग करके सबसे गहरी अंतर्दृष्टि प्राप्त करने का प्रयास किया।

प्रक्रिया का पहला चरण बुनियादी मेमोरी ऑपरेशनों के तहत गतिविधि को मापना था। इसके बाद टीम ने 2-, 3-, और 5-इनपुट लॉजिक ऑपरेशनों का उपयोग करके गणना को बढ़ाया। इस चरण के बाद, दो विभिन्न डिज़ाइनों के साथ 1‑बिट फुल एडर प्रस्तुत किया गया और पुनः परीक्षण किया गया। अंतिम परीक्षण में 1 × 7 एरे शामिल था, जिसने रोचक परिणाम दिखाए।

CRAM परीक्षण परिणाम कम ऊर्जा मांगें दिखाते हैं

परीक्षण परिणामों ने दिखाया कि नया प्रूफ़‑ऑफ़‑कॉन्सेप्ट प्रक्रिया आज के मॉडलों की तुलना में कितनी कुशल है। डेटा ने गणना के दौरान औसतन 1000 गुना कम पावर खपत दर्शाई। अन्य पावर‑सेविंग विधियों के साथ मिलाकर, इस दृष्टिकोण ने पारंपरिक तरीकों की तुलना में 2,500 और 1,700 गुना कम ऊर्जा बचत प्रदर्शित की।

अतिरिक्त विशेषताएँ

एक और रोचक खोज यह थी कि CRAM ने डेटा और ऑपरेण्ड्स की समकालिक रैंडम एक्सेस को सक्षम किया। यह लाभ समानांतर गणनात्मक क्षमताओं को काफी बढ़ाता है, जिससे भविष्य में अधिक सुरक्षित और स्थिर प्रोटोकॉल बन सकते हैं।

बाजार में CRAM के लाभ

CRAM द्वारा लाए गए लाभों की जांच करने से आपको यह बेहतर समझने में मदद मिलेगी कि यह क्यों एक गेम‑चेंजिंग ब्रेकथ्रू है जो जल्द ही सामान्य व्यक्ति की दैनिक गतिविधियों पर तत्काल प्रभाव डाल सकता है। CRAM डेवलपर्स और निर्माताओं को ऐसा हार्डवेयर बनाने में सक्षम बनाता है जो अपने मुख्य कार्य के लिए पूरी तरह अनुकूलित हो, ऊर्जा मांगों को कम करता है और प्रदर्शन को सुधारता है।

AI – फोकस

कृत्रिम बुद्धिमत्ता पहले ही बहुत कुछ बदल रही है। इन प्रणालियों की उच्च मांग है लेकिन सही ढंग से कार्य करने के लिए विशिष्ट हार्डवेयर और सॉफ़्टवेयर की आवश्यकता होती है। CRAM निर्माताओं को पहले दिन से ऐसा हार्डवेयर बनाने की क्षमता प्रदान करता है जो डेटा‑इंटेंसिव, मेमोरी‑सेंट्रिक, या पावर‑सेंसिटिव अनुप्रयोगों का समर्थन करने के लिए डिज़ाइन किया गया हो।

भविष्य में, CRAM उन्नत AI एल्गोरिदम जैसे बायोइन्फॉर्मेटिक्स, सिग्नल प्रोसेसिंग, न्यूरल नेटवर्क, एज कंप्यूटिंग, और सबसे उन्नत सैन्य हार्डवेयर को शक्ति प्रदान करेगा। CRAM एरे डेवलपर्स को बेहतर प्रदर्शन वाले मशीन‑लर्निंग अनुप्रयोग बनाने में सक्षम करेगा जो समुदाय की जरूरतों को पूरा करने के लिए पर्याप्त लचीले हों।

प्रमाणित संरचना का उपयोग करता है

CRAM को एक स्मार्ट विकल्प बनाने वाला एक और प्रमुख लाभ प्रमाणित हार्डवेयर सिस्टम का उपयोग है। उल्लेखनीय है कि CRAM सामान्य और परिपक्व तकनीक का उपयोग करता है, जो उपभोक्ता विश्वास को बढ़ाता है। यह यह भी सुनिश्चित करता है कि हार्डवेयर समस्याएँ उपयोगकर्ताओं के लिए न्यूनतम चिंता का विषय हों।

लचीला

CRAM डेवलपर्स को वास्तविक लचीलापन प्रदान करता है। प्रोग्रामर मेमोरी एरे के भीतर विभिन्न लोकप्रिय लॉजिक ऑपरेशनों का उपयोग करके डेटा की गणना कहीं भी कर सकते हैं। विशेष रूप से, CRAM AND, OR, NAND, NOR, और MAJ को समर्थन देता है, जिससे इसकी बहुमुखी प्रतिभा बढ़ती है।

तेज़

गति एक और लाभ है जिसे नजरअंदाज नहीं किया जा सकता। लॉजिक और मेमोरी स्टोरेज स्थानों के बीच डेटा स्थानांतरण में समय लगता है। जबकि यह समय केवल एक सेकंड का अंश हो सकता है, यह जमा हो सकता है और उपयोगकर्ता अनुभव को घटा सकता है। CRAM समान मेमोरी को इन कार्यों के लिए जिम्मेदार बनाकर धीमी और ऊर्जा‑गहन डेटा ट्रांसफ़र की आवश्यकता को समाप्त करता है।

समांतरता

समांतरता वह क्षमता है जिससे एक ही कोड को एक साथ समानांतर रूप में चलाया जा सकता है। यह कई निर्माण, सुरक्षा, और औद्योगिक संचालन का एक महत्वपूर्ण घटक है। CRAM की संरचना के कारण, यह समान मेमोरी एरे में एक साथ समान लॉजिक को समानांतर रूप से चला सकता है।

निर्माण लागत

CRAM उच्च‑स्तरीय उपकरणों की निर्माण लागत को भी घटाएगा क्योंकि उत्पाद बनाने के लिए आवश्यक भागों की संख्या कम हो जाएगी। CRAM लॉजिक और डेटा के लिए समान मेमोरी का उपयोग करता है, जिसका अर्थ है कि निर्माता कम भागों के साथ चिप्स बना सकते हैं। यह संरचना लागत को कम करती है और विश्वसनीयता तथा प्रदर्शन को सुधारती है।

शोधकर्ता

यह शोध यूनिवर्सिटी ऑफ मिनेसोटा के टेमा द्वारा नेतृत्व किया गया था। प्रमुख शोधकर्ताओं में जियान‑पिंग वांग, मैकनाइट प्रोफेसर, और रॉबर्ट एफ. हार्टमैन शामिल थे। अतिरिक्त रूप से, उलिया कार्पुज़्कु, रॉबर्ट ब्लूम, हुस्रेव सिलासुन, रॉबर्ट और मार्जोरी हेन्ले, सचिन सपत्नेकर, ब्रैंडन ज़िंक, ज़ामशेद चौधरी, और सालोनिक रेश ने अध्ययन में महत्वपूर्ण भूमिका निभाई। एरिज़ोना विश्वविद्यालय की एक टीम ने भी सहायता की, जिसमें प्रविन खानाल, अली हाबिबोग्लु, और प्रोफेसर वेइगैंग वांग शामिल थे।

शोध को यू.एस. डिफेंस एडवांस्ड रिसर्च प्रोजेक्ट्स एजेंसी (DARPA), नेशनल इंस्टीट्यूट ऑफ स्टैंडर्ड्स एंड टेक्नोलॉजी (NIST), नेशनल साइंस फाउंडेशन (NSF), और सिस्को इंक. के अनुदानों से संभव बनाया गया। इस परियोजना ने मिनेसोटा नैनो सेंटर और यूनिवर्सिटी ऑफ मिनेसोटा के मिनेसोटा सुपरकम्प्यूटिंग इंस्टीट्यूट में भी परीक्षण और अध्ययन किए।

दो कंपनियाँ जो AI ऊर्जा मांगों में कमी से लाभ उठा सकती हैं

कई निर्माता हैं जो केवल CRAM विकल्पों को एकीकृत करके अतिरिक्त राजस्व सुरक्षित कर सकते हैं या अपनी उत्पाद श्रृंखला को सुधार सकते हैं। ये फर्में बाजार में मजबूत स्थिति रखती हैं और नई तकनीक को इस तरह एकीकृत करने की क्षमता रखती हैं जिससे उनके प्रस्तावों में काफी सुधार होगा।

Microsoft

(MSFT )

Microsoft AI और कंप्यूटिंग बाजारों में एक प्रमुख खिलाड़ी है। कंपनी इस क्षेत्र में अग्रणी बनी हुई है और एक दशक से अधिक समय से तकनीक में प्रमुख योगदानकर्ता रही है। आज, Microsoft AI सेक्टर में एक बड़ा हिस्सा रखता है और आगे भी एक सक्षम प्रतिस्पर्धी बने रहने का लक्ष्य रखता है।

Microsoft AI सेवाओं को उसके प्रतिस्पर्धियों पर एक बड़ा लाभ है क्योंकि यह वैश्विक स्तर पर मुख्य ऑपरेटिंग सिस्टम बना हुआ है। इस कारण, Microsoft AI सिस्टम्स के पास उपयोगकर्ताओं और उपलब्ध डेटा का विशाल दर्शक वर्ग है। इस डेटा ने Microsoft को शक्तिशाली नए AI एल्गोरिदम बनाने में मदद की है जो एक दिन नवीनतम Windows ऑपरेटिंग सिस्टम्स के कोर के रूप में कार्य करेंगे।

Arm Holdings

(ARM )

Arm Holdings ने 1990 में बाजार में प्रवेश किया। इसे सोफ़ी विल्सन और स्टीव फर्बर ने स्थापित किया था। मूल रूप से कंपनी का नाम Advanced RISC Machines (ARM) Ltd. था, जिसे 1998 में Arm Holdings में रीब्रांड किया गया। 2000 के शुरुआती वर्षों में, Arm Holdings ने GPUs और अन्य उत्पादों को बाजार में पेश करने वाले एक गुणवत्ता निर्माता के रूप में प्रतिष्ठा हासिल की।

आज, यह एक प्रमुख IP प्रदाता और अर्धचालक निर्माता बना हुआ है। इस फर्म को 2016 में सॉफ्टबैंक ने $32 बिलियन में खरीदा और तब से इसका उल्लेखनीय विकास हुआ है। निर्माता CRAM को अपने वर्तमान प्रस्तावों में एकीकृत करके अपने पर्यावरणीय पदचिह्न को काफी कम कर सकता है जबकि प्रदर्शन और राजस्व को सुधार सकता है।

AI का भविष्य उसकी ऊर्जा मांगों पर निर्भर करेगा

AI अपनाने को सीमित करने वाला मुख्य कारक उसकी ऊर्जा मांगें हैं। इन मांगों को पूरा करने के लिए लोगों को बॉक्स से बाहर सोचकर उन बाधाओं के समाधान बनाने की आवश्यकता है जो प्रदर्शन को सीमित करती हैं। यह नवीनतम अध्ययन एक उज्ज्वल भविष्य के द्वार खोलता है जहाँ AI सेवाएँ कम‑पावर समाधान तक पहुंच सकेंगी जो पूरे समुदाय को सशक्त बनाते हैं।

अन्य रोचक कृत्रिम बुद्धिमत्ता परियोजनाओं के बारे में अभी जानें।