रिसर्च बिट्स: जनवरी 24

ट्रांजिस्टर-मुक्त कंप्यूट-इन-मेमोरी

पेंसिल्वेनिया विश्वविद्यालय, सैंडिया नेशनल लेबोरेटरीज और ब्रुकहेवन नेशनल लेबोरेटरी के शोधकर्ताओं ने एक प्रस्ताव रखा है ट्रांजिस्टर-मुक्त कंप्यूट-इन-मेमोरी (सीआईएम) आर्किटेक्चर मेमोरी बाधाओं को दूर करने और एआई वर्कलोड में बिजली की खपत को कम करने के लिए।

पेंसिल्वेनिया विश्वविद्यालय में इलेक्ट्रिकल और सिस्टम इंजीनियरिंग विभाग में सहायक प्रोफेसर दीप जरीवाला ने कहा, "यहां तक ​​कि जब कंप्यूट-इन-मेमोरी आर्किटेक्चर में उपयोग किया जाता है, तब भी ट्रांजिस्टर डेटा के एक्सेस समय से समझौता करते हैं।" “उन्हें चिप की समग्र सर्किटरी में बहुत अधिक वायरिंग की आवश्यकता होती है और इस प्रकार हम एआई अनुप्रयोगों के लिए जो चाहते हैं उससे अधिक समय, स्थान और ऊर्जा का उपयोग करते हैं। हमारे ट्रांजिस्टर-मुक्त डिज़ाइन की खूबी यह है कि यह सरल, छोटा और त्वरित है और इसके लिए बहुत कम ऊर्जा की आवश्यकता होती है।

डिवाइस स्कैंडियम-मिश्र धातु एल्यूमीनियम नाइट्राइड (AlScN) का उपयोग करता है, एक अर्धचालक जो फेरोइलेक्ट्रिक स्विचिंग की अनुमति देता है, जिसकी भौतिकी वैकल्पिक गैर-वाष्पशील मेमोरी तत्वों की तुलना में तेज़ और अधिक ऊर्जा कुशल है।

पेंसिल्वेनिया विश्वविद्यालय में इलेक्ट्रिकल और सिस्टम इंजीनियरिंग विभाग के एसोसिएट प्रोफेसर ट्रॉय ओल्सन ने कहा, "इस सामग्री की प्रमुख विशेषताओं में से एक यह है कि इसे सिलिकॉन फाउंड्री के साथ संगत होने के लिए काफी कम तापमान पर जमा किया जा सकता है।" “अधिकांश फेरोइलेक्ट्रिक सामग्रियों को बहुत अधिक तापमान की आवश्यकता होती है। AlScN के विशेष गुणों का मतलब है कि हमारे प्रदर्शित मेमोरी डिवाइस ऊर्ध्वाधर हेटेरो-एकीकृत स्टैक में सिलिकॉन परत के शीर्ष पर जा सकते हैं। सौ कारों की क्षमता वाले बहुमंजिला पार्किंग स्थल और एक ही स्थान पर फैले सौ अलग-अलग पार्किंग स्थानों के बीच अंतर के बारे में सोचें। स्थान की दृष्टि से कौन अधिक कुशल है? हमारी जैसी अत्यधिक लघु चिप में सूचना और उपकरणों का भी यही मामला है। यह दक्षता उन अनुप्रयोगों के लिए उतनी ही महत्वपूर्ण है जिनके लिए संसाधन की कमी की आवश्यकता होती है, जैसे कि मोबाइल या पहनने योग्य डिवाइस, साथ ही यह उन अनुप्रयोगों के लिए भी महत्वपूर्ण है जो अत्यधिक ऊर्जा गहन हैं, जैसे डेटा सेंटर।

टीम का सुझाव है कि सीआईएम फेरोडियोड पारंपरिक कंप्यूटिंग आर्किटेक्चर की तुलना में 100 गुना तेज प्रदर्शन करने में सक्षम हो सकता है। यह ऑन-चिप स्टोरेज, समानांतर खोज और मैट्रिक्स गुणन त्वरण का समर्थन करता है।

“मान लीजिए कि आपके पास एक एआई एप्लिकेशन है जिसके लिए भंडारण के लिए एक बड़ी मेमोरी के साथ-साथ पैटर्न पहचान और खोज करने की क्षमता की आवश्यकता होती है। सेल्फ-ड्राइविंग कारों या स्वायत्त रोबोटों के बारे में सोचें, जिन्हें गतिशील, अप्रत्याशित वातावरण में त्वरित और सटीक प्रतिक्रिया देने की आवश्यकता होती है, ”जरीवाला ने कहा। “पारंपरिक आर्किटेक्चर का उपयोग करते हुए, आपको प्रत्येक फ़ंक्शन के लिए चिप के एक अलग क्षेत्र की आवश्यकता होगी और आप उपलब्धता और स्थान को जल्दी से समझ लेंगे। हमारा फेरोडियोड डिज़ाइन आपको इसे प्रोग्राम करने के लिए वोल्टेज लागू करने के तरीके को बदलकर यह सब एक ही स्थान पर करने की अनुमति देता है।

जब टीम ने अपनी चिप के माध्यम से मशीन लर्निंग कार्य का सिमुलेशन चलाया, तो इसने पारंपरिक सीपीयू पर चलने वाले एआई-आधारित सॉफ़्टवेयर के बराबर सटीकता के साथ प्रदर्शन किया।

"यह शोध अत्यधिक महत्वपूर्ण है क्योंकि यह साबित करता है कि हम ऐसे चिप्स विकसित करने के लिए मेमोरी तकनीक पर भरोसा कर सकते हैं जो कई एआई डेटा अनुप्रयोगों को इस तरह से एकीकृत करते हैं जो वास्तव में पारंपरिक कंप्यूटिंग प्रौद्योगिकियों को चुनौती देते हैं," पीएच.डी. ज़िवेन लियू ने कहा। पेंसिल्वेनिया विश्वविद्यालय में उम्मीदवार।

जरीवाला ने कहा, "यह जानना महत्वपूर्ण है कि वर्तमान में की जाने वाली सभी एआई कंप्यूटिंग दशकों पहले डिजाइन किए गए सिलिकॉन हार्डवेयर आर्किटेक्चर पर सॉफ्टवेयर-सक्षम है।" “यही कारण है कि एक क्षेत्र के रूप में कृत्रिम बुद्धिमत्ता पर कंप्यूटर और सॉफ्टवेयर इंजीनियरों का वर्चस्व रहा है। एआई के लिए हार्डवेयर को मौलिक रूप से नया स्वरूप देना सेमीकंडक्टर्स और माइक्रोइलेक्ट्रॉनिक्स में अगला बड़ा गेम चेंजर होने जा रहा है। अब हम जिस दिशा में जा रहे हैं वह हार्डवेयर और सॉफ्टवेयर सह-डिज़ाइन की है।

सुपरकंडक्टर्स के साथ न्यूरोमॉर्फिक कंप्यूटिंग

राष्ट्रीय मानक एवं प्रौद्योगिकी संस्थान (एनआईएसटी) के शोधकर्ताओं ने इसके आधार पर एक सर्किट बनाया सुपरकंडक्टिंग सिंगल-फोटॉन डिटेक्टर यह एक जैविक सिनेप्स के समान व्यवहार करता है लेकिन संकेतों को प्रसारित करने और प्राप्त करने के लिए एकल फोटॉन का उपयोग करता है।

“एनआईएसटी सर्किट में गणना तब होती है जहां एक एकल-फोटॉन डिटेक्टर एक सुपरकंडक्टिंग सर्किट तत्व से मिलता है जिसे जोसेफसन जंक्शन कहा जाता है। जोसेफसन जंक्शन एक पतली इन्सुलेटिंग फिल्म द्वारा अलग की गई सुपरकंडक्टिंग सामग्रियों का एक सैंडविच है। यदि सैंडविच के माध्यम से करंट एक निश्चित सीमा मान से अधिक हो जाता है, तो जोसेफसन जंक्शन फ्लक्सन नामक छोटे वोल्टेज पल्स का उत्पादन शुरू कर देता है। एक फोटॉन का पता लगाने पर, एकल-फोटॉन डिटेक्टर इस सीमा पर जोसेफसन जंक्शन को धकेलता है और फ्लक्सन एक सुपरकंडक्टिंग लूप में करंट के रूप में जमा हो जाते हैं। शोधकर्ता जंक्शनों में से किसी एक पर बायस (सर्किट को शक्ति देने वाला एक बाहरी वर्तमान स्रोत) लागू करके प्रति फोटॉन लूप में जोड़े गए वर्तमान की मात्रा को ट्यून कर सकते हैं। इसे सिनैप्टिक वज़न कहा जाता है," एनआईएसटी ने समझाया।

एनआईएसटी सुपरकंडक्टिंग सर्किट की तस्वीर जो मस्तिष्क में तंत्रिका कोशिकाओं (न्यूरॉन्स) के बीच एक कनेक्शन, सिनैप्स के कृत्रिम संस्करण की तरह व्यवहार करती है। लेबल सर्किट के विभिन्न घटकों और उनके कार्यों को दर्शाते हैं। (क्रेडिट: एस. खान और बी. प्रिमावेरा/एनआईएसटी)

संग्रहीत धारा अल्पकालिक स्मृति के रूप में कार्य करती है, जो यह रिकॉर्ड प्रदान करती है कि निकट अतीत में न्यूरॉन ने कितनी बार स्पाइक उत्पन्न किया। इस मेमोरी की अवधि सुपरकंडक्टिंग लूप में विद्युत प्रवाह को क्षय होने में लगने वाले समय से निर्धारित होती है, जो सैकड़ों नैनोसेकंड से लेकर मिलीसेकंड और संभवतः इससे अधिक समय तक भिन्न हो सकती है। इस प्रकार, हार्डवेयर को अलग-अलग समय के पैमाने पर होने वाली समस्याओं से मिलान किया जा सकता है, जैसे उच्च गति वाले औद्योगिक नियंत्रण सिस्टम से वास्तविक समय में मानव संपर्क को तुलनात्मक रूप से धीमा करना।

जोसेफसन जंक्शनों के पूर्वाग्रह को बदलकर अलग-अलग वजन निर्धारित करके दीर्घकालिक स्मृति प्राप्त की जा सकती है, जिसका उपयोग नेटवर्क को प्रोग्राम करने योग्य बनाने के लिए किया जा सकता है।

एनआईएसटी के जेफ शैनलाइन ने कहा, "हमने कम्प्यूटेशनल समस्याओं को हल करने के लिए यहां जो प्रदर्शित किया है उसका उपयोग कर सकते हैं, लेकिन पैमाना सीमित होगा।" “हमारा अगला लक्ष्य सुपरकंडक्टिंग इलेक्ट्रॉनिक्स में इस प्रगति को सेमीकंडक्टर प्रकाश स्रोतों के साथ जोड़ना है। इससे हमें कई और तत्वों के बीच संचार प्राप्त करने और बड़ी, परिणामी समस्याओं को हल करने की अनुमति मिलेगी। टीम बड़े पैमाने के न्यूरोमॉर्फिक चिप्स में सिनैप्टिक वेटिंग लागू करने की तकनीक भी तलाश रही है।

स्ट्रेची सिनैप्टिक ट्रांजिस्टर

पेंसिल्वेनिया स्टेट यूनिवर्सिटी, ह्यूस्टन यूनिवर्सिटी, नॉर्थवेस्टर्न यूनिवर्सिटी और फ्लेक्सटेर्रा के शोधकर्ताओं ने एक विकसित किया खिंचावदार सिनैप्टिक ट्रांजिस्टर यह मस्तिष्क में न्यूरॉन्स की नकल करता है और इसका उपयोग पहनने योग्य वस्तुओं या रोबोटों में एआई प्रसंस्करण के लिए किया जा सकता है।

"सिनैप्टिक ट्रांजिस्टर का उपयोग करके मानव मस्तिष्क, रोबोट और पहनने योग्य उपकरणों को प्रतिबिंबित करने से इसके कृत्रिम न्यूरॉन्स का उपयोग 'सीखने' और उनके व्यवहार को अनुकूलित करने के लिए किया जा सकता है," इंजीनियरिंग विज्ञान और यांत्रिकी, बायोमेडिकल इंजीनियरिंग और सामग्री विज्ञान के एसोसिएट प्रोफेसर कुन्जियांग यू ने कहा। पेन स्टेट में इंजीनियरिंग। “उदाहरण के लिए, यदि हम स्टोव पर अपना हाथ जलाते हैं, तो दर्द होता है, और हम जानते हैं कि अगली बार इसे छूने से बचना चाहिए। सिनैप्टिक ट्रांजिस्टर का उपयोग करने वाले उपकरणों के लिए भी वही परिणाम संभव होंगे, क्योंकि कृत्रिम बुद्धिमत्ता 'सीखने' और अपने वातावरण के अनुकूल होने में सक्षम है।

यू के अनुसार, डिवाइस में कृत्रिम न्यूरॉन्स को वेंट्रल टेक्टमेंटल क्षेत्र में न्यूरॉन्स की तरह काम करने के लिए डिज़ाइन किया गया था, जो मस्तिष्क स्टेम के सबसे ऊपरी हिस्से में स्थित मानव मस्तिष्क का एक छोटा खंड है। यू ने कहा, "मस्तिष्क के अन्य सभी क्षेत्रों के विपरीत, वेंट्रल टेक्टमेंटल क्षेत्र में न्यूरॉन्स एक ही समय में उत्तेजक और निरोधात्मक दोनों न्यूरोट्रांसमीटर जारी करने में सक्षम हैं।" "दोनों सिनैप्टिक व्यवहारों को एक साथ संचालित करने के लिए सिनैप्टिक ट्रांजिस्टर को डिज़ाइन करने से, पारंपरिक एकीकृत इलेक्ट्रॉनिक्स तकनीक की तुलना में कम ट्रांजिस्टर की आवश्यकता होती है, जो सिस्टम आर्किटेक्चर को सरल बनाता है और डिवाइस को ऊर्जा संरक्षित करने की अनुमति देता है।"

उत्तेजक न्यूरोट्रांसमीटर अन्य न्यूरॉन्स की गतिविधि को ट्रिगर करते हैं और यादों को बढ़ाने से जुड़े होते हैं, जबकि निरोधात्मक न्यूरोट्रांसमीटर अन्य न्यूरॉन्स की गतिविधि को कम करते हैं और कमजोर यादों से जुड़े होते हैं।

शोधकर्ताओं ने डिवाइस को बनाने के लिए स्ट्रेचेबल बाइलेयर सेमीकंडक्टर सामग्री का उपयोग किया, जिससे उपयोग के दौरान यह खिंच और मुड़ सकता है। यू ने कहा, "ट्रांजिस्टर यांत्रिक रूप से विकृत और कार्यात्मक रूप से पुन: कॉन्फ़िगर करने योग्य है, फिर भी बड़े पैमाने पर खींचे जाने पर भी यह अपने कार्यों को बरकरार रखता है।" "यह उनकी सबसे बाहरी त्वचा के रूप में काम करने के लिए रोबोट या पहनने योग्य डिवाइस से जुड़ सकता है।"

• एसईओ संचालित सामग्री और पीआर वितरण। आज ही प्रवर्धित हो जाओ।
• प्लेटोब्लॉकचैन। Web3 मेटावर्स इंटेलिजेंस। ज्ञान प्रवर्धित। यहां पहुंचें।
• स्रोत: https://semiengineering.com/research-bits-jan-24/