आईबीएम रिसर्च यूरोप के वैज्ञानिकों ने हाल ही में अपनी 64-कोर चिप के साथ इन-मेमोरी कंप्यूटिंग में एक नए क्षेत्र की शुरुआत की है जो चरण-परिवर्तन मेमोरी उपकरणों पर निर्भर करता है। इस अत्याधुनिक तकनीक की परिकल्पना गणना अवधि और बिजली की खपत को कम करते हुए गहन शिक्षण एल्गोरिदम की सटीकता को बनाए रखते हुए गहरे तंत्रिका नेटवर्क के कामकाज को बढ़ावा देने के लिए की गई है।
अभूतपूर्व शोध पत्र के सह-लेखक मैनुअल ले गैलो ने साझा किया कि वे सात वर्षों से अधिक समय से गणना के लिए चरण-परिवर्तन मेमोरी (पीसीएम) उपकरणों की खोज कर रहे थे। यात्रा की शुरुआत टीम द्वारा व्यक्तिगत पीसीएम उपकरणों का उपयोग करके न्यूरोनल कार्यों के कार्यान्वयन का प्रदर्शन करने से हुई। इस बिंदु से आगे, आईबीएम रिसर्च यूरोप ने प्रदर्शित किया है कि पीसीएम डिवाइस वैज्ञानिक कंप्यूटिंग और गहरे तंत्रिका नेटवर्क अनुमान जैसे कंप्यूटिंग डोमेन को काफी लाभ पहुंचा सकते हैं। अपनी नवीनतम चिप के साथ, शोधकर्ता एंड-टू-एंड एनालॉग एआई अनुमान त्वरक के करीब एक कदम आगे बढ़ गए हैं।
ले गैलो और उनके सहयोगियों ने डिजिटल कंप्यूटिंग प्रोसेसर के साथ पीसीएम-आधारित कोर को संश्लेषित करके यह उपलब्धि हासिल की। इन दोनों तत्वों को ऑन-चिप डिजिटल संचार नेटवर्क लागू करके जोड़ा गया था। परिणामी चिप 64 एनालॉग पीसीएम-आधारित कोर का एक अभिनव समामेलन है, प्रत्येक में सिनैप्टिक यूनिट कोशिकाओं की 256-बाई-256 क्रॉसबार सरणी शामिल है।
प्रत्येक कोर के भीतर कॉम्पैक्ट, समय-आधारित एनालॉग-टू-डिजिटल कन्वर्टर्स के एकीकरण ने एनालॉग और डिजिटल क्षेत्रों के बीच एक संक्रमण को चिह्नित किया। ले गैलो ने आगे बताया, प्रत्येक कोर में हल्की डिजिटल प्रोसेसिंग इकाइयाँ भी शामिल होती हैं जो रेक्टिफाइड लीनियर यूनिट (reLU) न्यूरोनल सक्रियण कार्य और स्केलिंग ऑपरेशन करती हैं। इसके अतिरिक्त, चिप में इसके केंद्र में स्थित एक वैश्विक डिजिटल प्रसंस्करण इकाई है जो दीर्घकालिक अल्पकालिक मेमोरी (एलएसटीएम) नेटवर्क संचालन की सुविधा प्रदान करती है।
आईबीएम की इन-मेमोरी कंप्यूटिंग चिप की एक सरल विशेषता डिजिटल संचार नेटवर्क के माध्यम से मेमोरी कोर और इसकी विश्व स्तर पर स्थित प्रोसेसिंग यूनिट के बीच संबंध है। यह डिज़ाइन चिप को न्यूरल नेटवर्क की व्यक्तिगत परतों से जुड़ी सभी गणनाओं को चिप पर निष्पादित करने में सक्षम बनाता है, जिसके परिणामस्वरूप गणना समय और बिजली की खपत में नाटकीय कमी आती है।
नई चिप की प्रभावशीलता का आकलन करने के लिए, आईबीएम अनुसंधान टीम ने एक व्यापक अध्ययन किया, अपनी चिप पर गहन शिक्षण एल्गोरिदम लागू किया और इसके प्रदर्शन का मूल्यांकन किया। परिणाम उत्साहजनक थे, छवि पहचान कार्यों के लिए CIFAR-10 छवि डेटासेट पर प्रशिक्षित गहन तंत्रिका नेटवर्क ने चिप पर चलने पर 92.81% की उत्कृष्ट सटीकता दर प्राप्त की।
निस्संदेह, आईबीएम रिसर्च यूरोप की उपलब्धियां एनालॉग इन-मेमोरी कंप्यूटिंग (एआईएमसी) चिप्स के विकास में एक छलांग है जो गहन शिक्षण एल्गोरिदम की आवश्यकताओं और चुनौतियों को कुशलतापूर्वक पूरा कर सकती है। आने वाले वर्षों में, ले गैलो और उनकी टीम द्वारा पेश की गई वास्तुकला को बेहतर प्रदर्शन के लिए बढ़ाया जा सकता है।
आईबीएम की सफलता के बावजूद, no-code और low-code वातावरण में इस तकनीक के संभावित उपयोग के मामलों को नजरअंदाज नहीं किया जा सकता है। स्केलेबल और उच्च-प्रदर्शन वाले इन-मेमोरी कंप्यूटिंग चिप्स AppMaster जैसे no-code प्लेटफ़ॉर्म के साथ सहजता से एकीकृत होकर काफी मूल्य प्रदान करते हैं। इस तरह के एकीकरण से मशीन लर्निंग कार्यान्वयन में मॉडल सटीकता में महत्वपूर्ण सुधार हो सकता है, जो उपयोगकर्ताओं को कम विलंबता, उच्च गति और बेहतर दक्षता प्रदान करेगा।
