कम्प्यूटिंग
स्पिन-वेव नेटवर्क: कुशल एआई कंप्यूटिंग में अगली छलांग
कृत्रिम बुद्धिमत्ता (एआई) हमारे जीवन जीने के तरीके को बदलना लाइव। उद्योगों में क्रांति लाने की अपनी क्षमता के साथ, यह तकनीक उम्मीद हे खरबों डॉलर का मूल्य उत्पन्न करना।
स्वास्थ्य सेवा से लेकर शिक्षा, परिवहन, मनोरंजन और वित्त तक, एआई ने सभी क्षेत्रों में दक्षता और सटीकता को काफी बढ़ाया हैएआई ऊर्जा दक्षता में सुधार करने में भी मदद कर रहा है। उदाहरण के लिए, दुनिया भर के वैज्ञानिकों ने सहयोग किया है। बनाना1 एआई का उपयोग करके सामग्री का एक नया वर्ग जो ऊर्जा लागत को कम करने में मदद करता है।
लेकिन एआई की विशाल ऊर्जा मांग के बारे में क्या? शक्ति-लोलुप एआई एक बड़ी चुनौती पेश करता है। एआई अनुप्रयोगों में तेज़ी से वृद्धि के साथ, ऊर्जा की मांग भी नाटकीय रूप से बढ़ रही है, जिससे हमारी ऊर्जा अवसंरचना पर दबाव बढ़ रहा है।
हर दिन, मशीन लर्निंग (एमएल) मॉडल और भी जटिल होते जा रहे हैं। और ये जितने बड़े और परिष्कृत होते जा रहे हैं, इन मॉडलों को प्रशिक्षित करने और चलाने के लिए संसाधनों की आवश्यकता उतनी ही ज़्यादा होती जा रही है।
एमएल मॉडल का प्रशिक्षण की आवश्यकता होती है न केवल कम्प्यूटेशनल संसाधन, बल्कि डेटा केंद्रों के लिए ऊर्जा और पानी भी, जो एआई अनुप्रयोगों और सेवाओं को प्रशिक्षित करने, तैनात करने और वितरित करने के लिए आवश्यक आईटी बुनियादी ढांचे को रखते हैं।
एमआईटी लिंकन प्रयोगशाला सुपरकंप्यूटिंग सेंटर (एलएलएससी) के वरिष्ठ वैज्ञानिक विजय गडेपल्ली ने कहा था कि निम्नलिखित कहा कुछ वर्ष पहले जब स्थिति अभी भी विकसित हो रही थी:
"जैसे-जैसे हम पाठ से वीडियो और फिर छवि की ओर बढ़ते हैं, ये एआई मॉडल बड़े होते जा रहे हैं, और इसी प्रकार उनका ऊर्जा प्रभाव भी बढ़ रहा है। इससे ऊर्जा उपयोग में काफी वृद्धि होगी तथा विश्व भर में उत्सर्जन में भी वृद्धि होगी।"
जैसा कि अंतर्राष्ट्रीय ऊर्जा एजेंसी (आईईए) का अनुमान है, डेटा केंद्रों से वैश्विक बिजली की मांग डबल 460 में अनुमानित 2022 टेरावाट-घंटे (TWh) से 1,000 में 2026 TWh तक, जो मोटे तौर पर जापान की बिजली खपत के बराबर है।
पहले से ही, डेटा केंद्रों से बिजली की खपत लगभग पहुँच गई है 1.5% तक वैश्विक बिजली खपत का 10%
यूनेस्को और यूनिवर्सिटी कॉलेज लंदन (यूसीएल) द्वारा जारी एक नए शोध में भी चेताते एआई, विशेष रूप से बड़े भाषा मॉडल (एलएलएम) की ऊर्जा मांगें अस्थिर स्तर तक पहुंच गई हैं, और इसे बदलने के लिए, "हमें इसका उपयोग करने के तरीके में एक आदर्श बदलाव की आवश्यकता है।"
उनकी रिपोर्ट के अनुसार, जनरल एआई उपकरण उपयोग किया जा रहा है प्रतिदिन 1 अरब से अधिक लोगों द्वारा, साथ में प्रत्येक इंटरैक्शन में प्रति प्रॉम्प्ट लगभग 0.34 वाट-घंटे ऊर्जा की खपत होती है। इसमें कहा गया है:
"इससे प्रति वर्ष 310 गीगावाट घंटे की बिजली प्राप्त होती है, जो एक निम्न आय वाले अफ्रीकी देश में 3 मिलियन से अधिक लोगों के वार्षिक बिजली उपयोग के बराबर है।"
अपनी रिपोर्ट में, कंप्यूटर वैज्ञानिकों की टीम ने पर्याप्त ऊर्जा बचत के लिए तीन प्रमुख नवाचारों का सुझाव दिया। इस इसमें छोटे मॉडलों का उपयोग शामिल है, जो बड़े मॉडलों की तरह ही स्मार्ट और सटीक होते हैं, लेकिन ऊर्जा की खपत में 90% तक की कटौती कर सकते हैं। इसके अलावा, छोटे, अधिक संक्षिप्त संकेत और प्रतिक्रियाएँ भी हैं जो ऊर्जा की खपत में 50% से ज़्यादा की कमी कर सकती हैं, जबकि मॉडल संपीड़न से 44% तक ऊर्जा की बचत हो सकती है।
स्मार्ट सॉफ्टवेयर और हरित हार्डवेयर के साथ AI को अधिक कुशल बनाना
हरे पत्ते में लगी चमकती एआई चिप, ऊर्जा-कुशल एआई का प्रतीक है
नहीं केवल व्यक्तियों की बढ़ती संख्या तेजी से बढ़ रहे हैं एआई को अपनाना, लेकिन अधिक से अधिक संगठन भी इस तकनीक को एकीकृत कर रहे हैं में उनका व्यवसाय।
द्वारा एक अध्ययन आईबीएम बिजनेस वैल्यू संस्थान (IBV) पता चला कि बहुमत (77%) को उपयोग करने की आवश्यकता महसूस होती है उत्पादक एआई तेजी से अपने ग्राहकों के साथ तालमेल बनाए रखने के लिए।
पिछले कई वर्षों में, कई अन्य तकनीकी नवाचार, ऐसा as कंप्यूटिंग, इसी तरह की चिंताएं जताई हैं, फिर दक्षता नवाचारों के माध्यम से उनका समाधान किया गया। अब यही काम एआई के साथ भी किया जा सकता है। शोधकर्ताओं से लेकर कंपनियों तक, हर कोई वर्तमान में इसके प्रभाव को समझने और निष्कर्ष निकालने पर काम कर रहा है। समाधान इसके नकारात्मक प्रभावों को कम करने के लिए।
इन समाधानों में स्वच्छ एवं नवीकरणीय ऊर्जा के उपयोग के साथ-साथ छोटे मॉडल और स्मार्ट मॉडल प्रशिक्षण भी शामिल हैं।
एआई की ऊर्जा दक्षता चुनौतियों से निपटने के लिए, शोधकर्ताओं ने केंद्रित हैं दो अग्रभाग:
- सॉफ्टवेयर नवाचार
- हार्डवेयर सुधार
हार्डवेयर क्षेत्र में, पावर-कैपिंग एक ऐसा समाधान है जो संभावित ऊर्जा खपत में 15% तक की कमी आएगी। कार्बन-कुशल हार्डवेयर भी है, जो "हार्डवेयर के सबसे अधिक कार्बन-कुशल मिश्रण वाले मॉडल से मेल खाता है," एमआईटी.
अक्टूबर में एमआईटी सस्टेनेबिलिटी कॉन्फ्रेंस में, गडेपल्ली, जो ऊर्जा-जागरूक अनुसंधान प्रयासों का नेतृत्व करते हैं एलएलएससी, एआई मॉडल प्रशिक्षण पर पुनर्विचार करने और अधिक कुशल हार्डवेयर में निवेश करने का सुझाव दिया। एमआईटी लिंकन प्रयोगशाला अपने खर्च को कम करने के लिए गडेपल्ली की सिफारिशों को लागू कर रही है। अपना डेटा सेंटर पदचिह्न.
अधिक कम्प्यूटेशनल रूप से कुशल हार्डवेयर और विशेष हार्डवेयर त्वरक का उपयोग भी योगदान दे सकता हैलेकिन ऊर्जा बचत के लिए। समानांतरीकरण, जो कई प्रसंस्करण कोर के बीच गणना वितरित करके एल्गोरिथम के प्रशिक्षण समय को कम करता है, और एज कंप्यूटिंग, जो उन स्थानों पर गणना करता है जहाँ डेटा एकत्र या उपयोग किया जाता है, अन्य आशाजनक विकल्प हैं।हार्डवेयर समाधान.
वैज्ञानिक भी इस ओर रुख कर रहे हैं मानव मस्तिष्क, जिसमें 100 अरब न्यूरॉन्स और 100 ट्रिलियन हैं synaptic कनेक्शन, मशीनों को बेहतर बनाने के लिए।
इस न्यूरोमॉर्फिक कंप्यूटिंग को जन्म दिया है, जो, बजाय पारंपरिक वॉन न्यूमैन पर निर्भर रहने का वास्तुकला, अधिक ऊर्जा दक्षता और कम्प्यूटेशनल शक्ति प्राप्त करने के लिए मस्तिष्क के समान तरीके से सूचना को संसाधित करने के लिए कृत्रिम न्यूरॉन्स और सिनेप्स का उपयोग करता है।
के लिए उदाहरण के लिए, सियोल नेशनल यूनिवर्सिटी कॉलेज ऑफ इंजीनियरिंग के शोधकर्ताओं विकसित2 संकर कार्बनिक-अकार्बनिक पदार्थों पर आधारित न्यूरोमॉर्फिक उपकरण।
अपने शोध के प्रमुख भाग के बारे में बात करते हुए, प्रोफेसर हो वोन जंग ने कहा कि “यह प्रदर्शित करने में निहित है कि पदार्थ की सतह पर समान आयन गति स्थानीयकृत तंतुओं के निर्माण की तुलना में उच्च प्रदर्शन वाले न्यूरोमॉर्फिक हार्डवेयर के विकास के लिए अधिक महत्वपूर्ण है। अर्धचालक सामग्री।"
प्रकाश एक और तरीका है जिससे AI हार्डवेयर को सुधार किया जा रहा हैविद्युत संकेतों के बजाय, फोटोनिक कंप्यूटिंग प्रकाश का उपयोग करती है और न्यूनतम ताप हानि के साथ समानांतर संचालन की अनुमति देती है।
कुछ महीने पहले ही कोलंबिया इंजीनियरिंग के शोधकर्ताओं ने रिहा3 एक 3D फोटोनिक-इलेक्ट्रॉनिक प्लेटफ़ॉर्म जो बेहतरीन ऊर्जा दक्षता और बैंडविड्थ घनत्व प्राप्त करता है। इसके लिए, उन्होंने फोटोनिक्स को उन्नत CMOS इलेक्ट्रॉनिक्स सर्किट के साथ एकीकृत किया। 3D-एकीकृत फोटोनिक-इलेक्ट्रॉनिक चिप केवल 800 फेमटोजूल प्रति बिट की खपत करते हुए उच्च बैंडविड्थ (120 Gb/s) प्रदान करती है। आईटी इस 5.3 Tb/s/mm2 बैंडविड्थ घनत्व भी मौजूदा बेंचमार्क से अधिक है।
पिछली गर्मियों में, मिनेसोटा विश्वविद्यालय के विज्ञान एवं इंजीनियरिंग कॉलेज के शोधकर्ताओं ने, दिखाया नई तकनीक4 इसे कम्प्यूटेशनल रैंडम-एक्सेस मेमोरी (CRAM) कहा जाता है, जो संभावित रूप से AI ऊर्जा उपयोग को 1,000 गुना तक कम कर सकता है।
सिलिकॉन फोटोनिक्स मशीन लर्निंग के लिए अगली पीढ़ी के त्वरक के लिए एक विघटनकारी तकनीक के रूप में उभर रहा है, शोधकर्ताओं ने Hewlett-Packard प्रयोगशालाओं में शुरू की5 एक ऊर्जा-कुशल और स्केलेबल सिलिकॉन फोटोनिक प्लेटफॉर्म जो एआई त्वरक हार्डवेयर के लिए अंतर्निहित आधार के रूप में काम करेगा।
फोटोनिक एआई त्वरक, पारंपरिक लोगों के विपरीत, कौन कौन से इलेक्ट्रॉनिक वितरित तंत्रिका नेटवर्क (DNNs) पर निर्भर, उपयोग ऑप्टिकल तंत्रिका नेटवर्क6 (ONNs) जो उच्च समानांतरता, अत्यंत कम विलंबता और न्यूनतम ऊष्मा हानि प्रदान करते हैं।
हालांकि इसका निर्माण आसान है, सिलिकॉन फोटोनिक्स मुश्किल हैं पैमाना; इसलिए, यह मंच. यह गढ़ा गया है III-V यौगिक अर्धचालकों (जैसे InP या GaAs) के साथ सिलिकॉन फोटोनिक्स का उपयोग करना।
अब, एक नई विधि है जो AI को और अधिक कुशल बना सकती है, और यह उन्नत सूचना के प्रसंस्करण को संभालने के लिए बड़े स्पिन वेवगाइड नेटवर्क को सक्षम करके संभव है। स्पिन-वेव सूचना प्रसंस्करण का एक आशाजनक समाधान है।
एआई हार्डवेयर दक्षता में यह सफलता म्यून्स्टर और हेडेलबर्ग विश्वविद्यालयों के जर्मन वैज्ञानिकों की एक टीम द्वारा हासिल की गई है।
म्यून्स्टर के भौतिकशास्त्री प्रोफेसर रुडोल्फ ब्रैट्सचिट के नेतृत्व में टीम ने एक विशाल स्पिन वेवगाइड नेटवर्क बनाया है जो काफी कम ऊर्जा के साथ सूचना को संसाधित करता है, जिससे यह ऊर्जा-गहन इलेक्ट्रॉनिक्स का एक आशाजनक विकल्प बन जाता है।
ऊर्जा-कुशल एआई में नए मोर्चे के रूप में स्केलेबल मैग्नोनिक सर्किट
नैनोस्केल सर्किट से प्रवाहित स्पिन तरंगें मैग्नोनिक नेटवर्क को दर्शाती हैं
| स्पिन-वेव डिवाइस | समारोह |
|---|---|
| तर्क द्वार | डेटा प्रोसेसिंग के लिए बाइनरी ऑपरेशन निष्पादित करें |
| मल्टीप्लेक्सर | रूटिंग के लिए इनपुट सिग्नल चुनें |
| कपलर और स्प्लिटर | स्पिन-वेव संकेतों को विभाजित या संयोजित करें |
| इंटरफेरोमीटर | कंप्यूटिंग कार्यों के लिए तरंग अंतःक्रियाओं का विश्लेषण करें |
| -K-on (ITS MY FAVORITE ANIME!) | स्पिन-वेव एन्कोडेड डेटा संग्रहीत करें |
जबकि चुंबकीय इन्सुलेटरों पर आधारित मैग्नोनिक नेटवर्क अपनी ऊर्जा दक्षता के कारण सूचना प्रसंस्करण में क्रांति ला सकते हैं, इन नेटवर्कों के निर्माण खंड, यानी स्पिन-वेव वेवगाइड, अकुशल फैलाव ट्यूनिंग क्षमताओं और सीमित स्पिन-वेव प्रसार लंबाई से ग्रस्त हैं।
इन सीमाओं को म्यून्स्टर और हेडेलबर्ग के वैज्ञानिकों की टीम द्वारा संबोधित किया गया है।
वैज्ञानिक पत्रिका में प्रकाशित प्रकृति सामग्री7, वेवगाइड बनाने का एक नया तरीका विकसित करने के बारे में विस्तृत अध्ययन जिसमें स्पिन तरंगें बहुत दूर तक प्रसारित हो सकती हैं, इस प्रकार अब तक का सबसे बड़ा स्पिन वेवगाइड नेटवर्क बना रहा है।
लेकिन बात यहीं खत्म नहीं होती। टीम स्पिन तरंग के गुणों को भी नियंत्रित करने में सक्षम थी, जो प्रेषित किया गया था वेवगाइड में। उदाहरण के लिए, वैज्ञानिक एक निश्चित अंतरापृष्ठ पर स्पिन तरंग की तरंगदैर्घ्य और परावर्तन को सटीक रूप से बदलने में सक्षम थे। अध्ययन में कहा गया है:
"वेवगाइड के फैलाव को लगातार समायोजित किया जा सकता है सटीक और स्थानीयकृत आयन आरोपण के कारण, जो उन्हें सामान्यतः नक्काशी किए गए वेवगाइड से अलग करता है।"
इलेक्ट्रॉन स्पिन या आंतरिक कोणीय गति इलेक्ट्रॉनों का एक मौलिक क्वांटम यांत्रिक गुण है, जहां कई स्पिनों का संरेखण चुंबकीय गुणों को निर्धारित करता है। अब, यदि एक प्रत्यावर्ती धारा लागू है एक एंटीना के साथ एक चुंबकीय सामग्री के लिए, एक बदलते चुंबकीय क्षेत्र उत्पादन किया जाता है, और सामग्री में स्पिन एक स्पिन तरंग उत्पन्न कर सकते हैं।
स्पिन तरंगें चुंबकीय पदार्थ की उत्तेजनाएं हैं, और वे उन्नत सूचना प्रसंस्करण के लिए रोमांचक संभावनाएं प्रस्तुत करते हैं।
जो चीज उन्हें सचमुच आकर्षक बनाती है, वह है उनकी विशिष्ट विशेषताएं, पसंद गीगाहर्ट्ज़ (GHz) से टेराहर्ट्ज़ (THz) की आवृत्ति बैंड के भीतर एक प्राकृतिक मजबूत अरैखिकता और उच्च गति संचालन।
हाल के दिनों में, शोधकर्ताओं ने सिग्नल प्रोसेसिंग और कंप्यूटिंग अनुप्रयोगों के लिए नैनोस्केल चुंबकीय संरचनाओं और नेटवर्क में स्पिन तरंगों का उपयोग शुरू किया है। यह उभरती हुई तकनीक पारंपरिक अर्धचालक माइक्रोइलेक्ट्रॉनिक्स में कम्प्यूटेशनल घनत्व और उच्च-आयामी प्रसंस्करण क्षमता के संबंध में निहित सीमाओं को दूर करने में मदद कर सकती है।
इससे भी महत्वपूर्ण बात यह है कि स्पिन-वेव प्रौद्योगिकी का कम ऊर्जा वाला पदचिह्न विशेष रूप से आकर्षक है।
इस तकनीक की उपयोगिता स्पिन तरंगों के चरण, आवृत्ति और आयाम के भीतर सूचना को एनकोड करने की इसकी क्षमता में निहित है। यह रणनीति, विद्युत चुम्बकीय तरंगों की तरह, इन मापदंडों पर प्रसार विशेषताओं की निर्भरता का लाभ उठाकर डेटा प्रोसेसिंग की एक लचीली श्रृंखला की अनुमति देती है।
स्पिन तरंगें वर्तमान में उपयोग किए जाते हैं अलग-अलग व्यक्तिगत घटक बनाने के लिए। लॉजिक गेट जो बाइनरी इनपुट पर तार्किक संचालन करके एकल बाइनरी आउटपुट उत्पन्न करते हैं रहे एक उदाहरण। मल्टीप्लेक्सर एक अन्य प्रकार का उपकरण है जो कई इनपुट सिग्नलों में से एक का चयन करता है।
अन्य उदाहरणों में क्रॉसिंग, कपलर, मेमोरी, मेजॉरिटी गेट, (डी-)मल्टीप्लेक्सर, इंटरफेरोमीटर, स्प्लिटर और स्पेक्ट्रम विश्लेषक शामिल हैं।
ये सभी उपकरण या तो सूचना प्रसंस्करण इकाइयों के रूप में स्वतंत्र रूप से काम कर सकते हैं या उन्नत कार्यात्मकताओं के साथ बड़े, जटिल नेटवर्क में एकीकृत हो सकते हैं।
एक बड़े नेटवर्क में, के बीच के लिंक ये तत्व स्पिन तरंगों के लिए अनुकूलित वेवगाइड हैं। ये वेवगाइड स्पिन तरंगों को एक तत्व से दूसरे तत्व तक सीमित रखने के साथ-साथ उनका मार्गदर्शन करने के लिए भी महत्वपूर्ण हैं, as ऐसे में, न्यूनतम प्रसार हानि की आवश्यकता होती है। ऐसे वेवगाइड और उनके संयोजन भी काम करते हैं कार्यात्मक स्पिन-तरंग उपकरणों के रूप में।
हालाँकि, घटकों को एक बड़े आकार के रूप में नहीं जोड़ा गया है सर्किट अब तक।
"तथ्य यह है कि इलेक्ट्रॉनिक्स में उपयोग किए जाने वाले बड़े नेटवर्क अभी तक नहीं हैं किया गया एहसास हुआ, यह आंशिक रूप से वेवगाइड्स में स्पिन तरंगों के मजबूत क्षीणन के कारण होता है जो व्यक्तिगत स्विचिंग को जोड़ते हैं तत्व – विशेषकर यदि वे एक माइक्रोमीटर से भी संकरे हों और इसलिए नैनोस्केल पर हों।”
- भौतिक विज्ञानी प्रोफेसर ब्रैट्सचिट्स
अतः, इस समस्या से निपटने के लिए टीम ने जो किया वह यह था कि उन्होंने उस पदार्थ का उपयोग किया जिसका वर्तमान में सबसे कम क्षीणन है, और वह है यिट्रियम आयरन गार्नेट (YIG)। इसमें स्पिन तरंगों की न्यूनतम अवमंदन और उच्चतम प्रसार लंबाई होती है, जो मिलीमीटर तक पहुंचती है।
स्पिन तरंगों के लिए वेवगाइड्स को साकार करने के लिए, लिथोग्राफिक दृष्टिकोण आमतौर पर उपयोग किया जाता हैYIG में नैनोस्केल वेवगाइड बनाने के लिए, उन्नत निर्माण दृष्टिकोण आधारित है पतली YIG फिल्मों की प्रतिक्रियाशील आयन नक़्क़ाशी पर। लेकिन उच्च-गुणवत्ता वाली YIG फिल्मों और अत्याधुनिक नक़्क़ाशी प्रक्रियाओं के साथ भी, अधिकतम प्रसार लंबाई वह हो गया रिपोर्ट किया गया है कि यह 54 µm है।
हाइब्रिड संरचनाओं का विकास एक और उभरता हुआ दृष्टिकोण है, जहां वाईआईजी फिल्मों को फेरोमैग्नेटिक धातु की नैनोस्ट्रिप्स के साथ संयोजित किया जाता है ताकि द्विध्रुवीय युग्मन के माध्यम से नैनोस्कोपिक स्पिन-वेव परिवहन चैनलों को परिभाषित किया जा सके, कौन कौन से ~20 µm की स्पिन-तरंग प्रसार लंबाई बनाता है।
फिर आयन आरोपण है, जो हाल ही में इस्तेमाल किया गया था YIG में स्पिन तरंगों में हेरफेर करने के लिए। केंद्रित आयन बीम लेखन ने सबमाइक्रोमीटर पैमाने पर YIG फिल्मों के सटीक संशोधन को सक्षम किया है।
इसलिए, वैज्ञानिकों ने व्यावसायिक रूप से उपलब्ध 110 एनएम का उपयोग किया गाढ़ा चुंबकीय पदार्थ YIG की फिल्म और फिर सिलिकॉन की एक किरण का उपयोग करके इसमें व्यक्तिगत स्पिन-वेव वेवगाइड अंकित किए गए आयनों.
मास्कलेस इम्प्लांटेशन प्रक्रिया ने एक ही सब्सट्रेट पर कई अनुकूलित स्पिन-वेव संरचनाओं के निर्माण की अनुमति दी। लेकिन इससे भी महत्वपूर्ण बात यह है कि इसे वेफर-आकार के मैग्नोनिक एकीकृत सर्किट बनाने के लिए बढ़ाया जा सकता है।
सतत-तरंग माइक्रोवेव सिग्नल के साथ स्पिन तरंगों को उत्तेजित करने के लिए इलेक्ट्रॉन-बीम लिथोग्राफी फिल्म के साथ एक स्वर्ण माइक्रोस्ट्रिप एंटीना भी निर्मित किया गया था। सतह-मोड स्पिन तरंगों को प्रक्षेपित करने के लिए μH0 = 0 mT का एक बाह्य स्थिर समतल चुंबकीय क्षेत्र H0 लगाया गया था।
इस तरह, वे 198 नोड्स वाला एक विशाल नेटवर्क बनाने में सक्षम हुए, जिससे बड़े पैमाने पर मैग्नोनिक इंटीग्रेटेड सर्किट के द्वार खुल गए। इससे उच्च गुणवत्ता वाली जटिल संरचनाएँ भी संभव हो पाईं। बनाया जाना प्रतिकृति और लचीलेपन से.
इसके अलावा, टीम ने 100 µm से अधिक की स्पिन-वेव प्रसार लंबाई हासिल की, और उनके एचलेस दृष्टिकोण ने उन्हें 34 समानांतर इनपुट पोर्ट और 34 आउटपुट से बना एक एकीकृत स्पिन-वेव नेटवर्क बनाने की अनुमति दी। अध्ययन में कहा गया है:
"ये परिणाम अद्वितीय नियंत्रण के साथ उन्नत मैग्नोनिक नेटवर्क को साकार करने का मार्ग प्रशस्त करते हैं और कम-हानि वाले बड़े पैमाने के स्पिन-वेव कंप्यूटिंग सिस्टम को साकार करने के लिए रोमांचक रास्ते प्रदान करते हैं।"
कुशल एआई में निवेश
कृत्रिम बुद्धिमत्ता की दुनिया में, एनवीआईडीआईए निगम (NVDA + 5.59%)
अपने एआई एक्सेलरेटर्स और चिप्स के साथ यह स्पष्ट रूप से अग्रणी है। 4 ट्रिलियन डॉलर से अधिक के बाज़ार पूंजीकरण के साथ दुनिया की सबसे बड़ी कंपनी, NVIDIA ऊर्जा-कुशल वास्तुकला में भी निवेश किया जा रहा है।
एनवीआईडीआईए निगम (NVDA + 5.59%)
एनवीडिया के जीपीयू प्रति वाट प्रदर्शन में सुधार प्रदान करते हैं। खास तौर पर, इसका ब्लैकवेल आर्किटेक्चर ट्रिलियन-पैरामीटर पर जनरेशन एआई का वादा करता है। एलएलएम अपने से 25 गुना कम लागत और ऊर्जा खपत पर पिछले हॉपर वास्तुकला.
ब्लैकवेल, सीईओ जेन्सेन हुआंग द्वारा स्थापित, पिछले साल कहा था, बनाया गया है "बहुत अच्छा प्रदर्शन करने वाला और बहुत ऊर्जा कुशल" होना।
एनवीडिया, एलएलएम अनुमान के कठिन कार्यों को संभालने के लिए लिक्विड-कूलिंग सिस्टम, एनवीडिया जीबी200 एनवीएल72 और एनवीडिया जीबी300 एनवीएल72 भी प्रदान करता है, जिनकी वास्तुकला विशेष रूप से परीक्षण-समय स्केलिंग सटीकता और प्रदर्शन के लिए अनुकूलित है।
तकनीकी दिग्गज अपने NVIDIA EGX™ प्लेटफ़ॉर्म के साथ एज AI अनुसंधान और विकास में भी शामिल है, जो शक्तिशाली कंप्यूटिंग, रिमोट मैनेजमेंट, सिस्टम और सॉफ़्टवेयर को मिलाकर AI को एज पर लाता है। NVIDIA IGX Orin™ को औद्योगिक और चिकित्सा वातावरण के लिए डिज़ाइन किया गया है। जब NVIDIA Jetson™ प्लेटफॉर्म इसका रोबोटिक्स समाधान है।
एनवीडिया में अनुसंधान का एक और क्षेत्र फोटोनिक्स है। इस साल की शुरुआत में, कंपनी ने अपने नए को-पैकेज्ड सिलिकॉन फोटोनिक नेटवर्किंग स्विच की घोषणा की, जो ऊर्जा खपत और परिचालन लागत को कम करते हुए विभिन्न साइटों पर लाखों GPU को जोड़ने में सक्षम हैं।
"सिलिकॉन फोटोनिक्स को सीधे स्विच में एकीकृत करके, NVIDIA हाइपरस्केल और एंटरप्राइज़ नेटवर्क की पुरानी सीमाओं को तोड़ रहा है और मिलियन-GPU AI कारखानों के लिए द्वार खोल रहा है।”
– हुआंग
यह नई तकनीक चिप्स के बीच फाइबर ऑप्टिक केबल पर सूचना भेजने के लिए लेज़र प्रकाश की किरणों का उपयोग करती है। यह इस साल के अंत में और 2026 तक उपलब्ध होगी।
कंपनी ने अपने प्रमुख GPU चिप्स में इसे अधिक व्यापक रूप से उपयोग करने पर भी विचार किया है, लेकिन फिलहाल ऐसा करने की कोई योजना नहीं है, क्योंकि पारंपरिक तांबे के कनेक्शन अभी भी सह-पैकेज्ड ऑप्टिकल कनेक्शन की तुलना में "काफी हद तक" अधिक विश्वसनीय हैं।
एनवीआईडीआईए निगम (NVDA + 5.59%)
एनवीडिया के बाज़ार प्रदर्शन की बात करें तो यह असाधारण रहा है। अक्टूबर 2022 में, एनवीडिया के शेयर $11 से नीचे चले गए और वर्तमान में $165 से ऊपर कारोबार कर रहे हैं। इसके साथ ही, इसका ईपीएस (टीटीएम) 3.10 और पी/ई (टीटीएम) 53.12 है। कंपनी लाभांश प्रतिफल भी प्रदान करती है। यद्यपि केवल 0.02%।
वित्तीय स्थिति की बात करें तो वित्त वर्ष 2026 की पहली तिमाही में एनवीडिया ने 44.1 बिलियन डॉलर का राजस्व दर्ज किया, जो चौथी तिमाही से 12% अधिक है। जब डेटा सेंटर का राजस्व 39.1 बिलियन डॉलर रहा, जो पिछली तिमाही से 10% अधिक है।
हुआंग ने कहा कि कंपनी की एआई अवसंरचना की मांग "अविश्वसनीय रूप से मजबूत" है।
नवीनतम NVIDIA कॉर्पोरेशन (NVDA) स्टॉक समाचार और विकास
AI Infrastructure Spending Could Nearly Triple by 2029. Here Are 2 Stocks to Buy.
मूर्ख। com
•
अप्रैल १, २०२४
Chinese chipmakers claim nearly half of of local market as Nvidia's lead shrinks, IDC says
reuters.com
•
अप्रैल १, २०२४
Iran threatens Nvidia, Apple and other tech giants with attack
cnbc.com
•
अप्रैल १, २०२४
अरबपति केन ग्रिफिन ने रोबोटैक्सी में 1 ट्रिलियन डॉलर के बाजार अवसर का लाभ उठाने के लिए 2 एआई स्टॉक खरीदे (संकेत: टेस्ला नहीं)
मूर्ख। com
•
अप्रैल १, २०२४
Nvidia vs. Broadcom: The Smarter AI Stock to Buy in April
मूर्ख। com
•
अप्रैल १, २०२४
क्या एनवीडिया स्टॉक खरीदने के लिए बहुत देर हो चुकी है?
मूर्ख। com
•
अप्रैल १, २०२४
निष्कर्ष
जैसे-जैसे दुनिया एआई को अपना रही है, जो बढ़ी हुई दक्षता, बढ़ी हुई उत्पादकता, बेहतर निर्णय लेने और व्यक्तिगत अनुभव का वादा करती है, इस शक्तिशाली तकनीक के लिए बाजार में उम्मीद की जा रही है 2025 में इसका मूल्य अरबों डॉलर तक पहुंच जाएगा।
लेकिन जैसे-जैसे ऊर्जा-भूखे एआई की मांग बढ़ती है, वैसे-वैसे do इसका अर्थ है ऊर्जा ग्रिड पर दबाव और ग्रीनहाउस गैस उत्सर्जन में वृद्धि।
वास्तव में कुशल एआई प्राप्त करने के लिए, सॉफ्टवेयर और हार्डवेयर दोनों के विकास में समन्वित प्रयासों की आवश्यकता है। इस पृष्ठभूमि में, बेहतर मॉडल प्रशिक्षण, छोटे मॉडल, संक्षिप्त संकेत, मॉडल संपीड़न जैसे नवाचार, न्यूरोमॉर्फिक कंप्यूटिंग, एज एआई, और फोटोनिक्स इससे एक ऐसे भविष्य का निर्माण करने में मदद मिल सकती है, जहां पैमाने के साथ अस्थिर ऊर्जा मांग नहीं आएगी।
यहां ही ताज़ा स्पिन-वेव कंप्यूटिंग में सफलता कम-शक्ति, उच्च-प्रदर्शन कंप्यूटिंग के भविष्य को परिभाषित कर सकती है, जो संभवतः अगली पीढ़ी के एआई आर्किटेक्चर के लिए आधार बन सकती है।
कृत्रिम बुद्धिमत्ता में निवेश के बारे में सब कुछ जानने के लिए यहां क्लिक करें।
सन्दर्भ:
1. ज़ियाओ, सी.; लियू, एम.; याओ, के.; और अन्य। मशीन लर्निंग द्वारा अल्ट्राब्रॉडबैंड और बैंड-सिलेक्टिव थर्मल मेटा-एमिटर। नेचर 2025, 643, 80–88। https://doi.org/10.1038/s41586-025-09102-y
2. किम, एसजे; इम, आईएच; बेक, जेएच; एट अल. न्यूरोमॉर्फिक कंप्यूटिंग के लिए रैखिक रूप से प्रोग्राम करने योग्य दो-आयामी हैलाइड पेरोव्स्काइट मेमरिस्टर एरेज़। नेट। Nanotechnol। 2025, 20, 83-92. https://doi.org/10.1038/s41565-024-01790-3
3. डौडलिन, एस.; रिज़ो, ए.; ली, एस.; और अन्य. अल्ट्रा-लो-एनर्जी, हाई-बैंडविड्थ इंटरचिप डेटा लिंक के लिए त्रि-आयामी फोटोनिक एकीकरण. नेट. फोटोन. 2025, 19, 502–509. https://doi.org/10.1038/s41566-025-01633-0
4. एलवी, वाई.; ज़िंक, बीआर; ब्लूम, आरपी; और अन्य. चुंबकीय सुरंग जंक्शन-आधारित कम्प्यूटेशनल रैंडम-एक्सेस मेमोरी का प्रायोगिक प्रदर्शन। एनपीजे अनकन्व. कंप्यूट. 2024, 13. https://doi.org/10.1038/s44335-024-00003-3
5. तोस्सून, बी.; जिओ, एक्स.; चेउंग, एस.; युआन, वाई.; पेंग, वाई.; श्रीनिवासन, एस.; और अन्य. ऊर्जा-कुशल एआई/एमएल त्वरक के लिए बड़े पैमाने पर एकीकृत फोटोनिक डिवाइस प्लेटफॉर्म। IEEE जे. सेल. टॉप. क्वांटम इलेक्ट्रॉन. 2025, 31(3), अनुच्छेद 8200326। https://doi.org/10.1109/JSTQE.2025.3527904
6. फू, टी.; झांग, जे.; सन, आर.; एवं अन्य. ऑप्टिकल न्यूरल नेटवर्क: प्रगति और चुनौतियाँ। प्रकाश विज्ञान। Appl। 2024, 13263. https://doi.org/10.1038/s41377-024-01590-3
7. बेन्समैन, जे.; श्मिट, आर.; निकोलेव, के.ओ.; और अन्य. बड़े मैग्नोनिक नेटवर्क के लिए फैलाव-ट्यून करने योग्य कम-हानि प्रत्यारोपित स्पिन-वेव वेवगाइड्स। नेट। मेटर। 2025.
https://doi.org/10.1038/s41563-025-02282-y
