نئی چپ نیورل نیٹ ورکس کی بجلی کی کھپت کو 95 فیصد تک کم کرتی ہے:  

.نئی چپ نیورل نیٹ ورکس کی بجلی کی کھپت کو 95 فیصد تک کم کرتی ہے

 

"ایم آئی ٹی کے محققین نے ایک خاص مقصد والی چپ تیار کی ہے جو نیورل نیٹ ورک کمپیوٹیشن کی رفتار کو اپنے پیشرووں کے مقابلے میں تین سے سات گنا تک بڑھاتی ہے ، جبکہ بجلی کی کھپت کو 94 سے 95 فیصد تک کم کرتی ہے ۔ اس سے سمارٹ فونز پر مقامی طور پر نیورل نیٹ ورک چلانا عملی ہو سکتا ہے ۔ یہاں تک کہ انہیں گھریلو آلات میں سرایت کرنے کے لیے"

 

 مصنوعی ذہانت کے نظام جیسے کہ تقریر یا چہرے کی شناخت کے پروگراموں میں حالیہ پیش رفت عصبی نیٹ ورکس ، سادہ انفارمیشن پروسیسرز کے گھنے ایک دوسرے سے جڑے ہوئے میشوں کی بدولت ہوئی ہے جو تربیتی ڈیٹا کے بڑے سیٹوں کا تجزیہ کرکے کام انجام دینا سیکھتے ہیں ۔

لیکن عصبی جال بڑے ہوتے ہیں ، اور ان کی کمپیوٹیشنز توانائی سے بھرپور ہوتی ہیں ، اس لیے وہ ہینڈ ہیلڈ آلات کے لیے زیادہ عملی نہیں ہوتے ۔ زیادہ تر سمارٹ فون ایپس جو نیورل نیٹ پر انحصار کرتی ہیں وہ صرف انٹرنیٹ سرورز پر ڈیٹا اپ لوڈ کرتی ہیں ، جو اس پر کارروائی کرتی ہیں اور نتائج کو فون پر واپس بھیجتی ہیں ۔

 

 اب ، MIT کے محققین نے ایک خاص مقصد والی چپ تیار کی ہے جو اپنے پیشروؤں کے مقابلے میں عصبی نیٹ ورک کمپیوٹیشن کی رفتار کو تین سے سات گنا بڑھاتی ہے ، جبکہ بجلی کی کھپت کو 94 سے 95 فیصد تک کم کرتی ہے ۔ اس سے سمارٹ فونز پر مقامی طور پر نیورل نیٹ ورک چلانا یا گھریلو ایپلائینسز میں بھی شامل کرنا عملی ہو سکتا ہے ۔

"عام پروسیسر کا ماڈل یہ ہے کہ چپ کے کچھ حصے میں میموری ہوتی ہے ، اور چپ کے دوسرے حصے میں ایک پروسیسر ہوتا ہے ، اور جب آپ یہ کمپیوٹیشن کرتے ہیں تو آپ ڈیٹا کو ان کے درمیان آگے پیچھے کرتے ہیں ،"اویشیک بسواس کہتے ہیں ۔ ، الیکٹریکل انجینئرنگ اور کمپیوٹر سائنس میں MIT گریجویٹ طالب علم ، جس نے نئی چپ کی ترقی کی قیادت کی ۔

 

چونکہ ان مشین لرننگ الگورتھم کو بہت سارے کمپیوٹیشنز کی ضرورت ہوتی ہے ، اس لیے ڈیٹا کی یہ آگے پیچھے منتقلی توانائی کی کھپت کا غالب حصہ ہے ۔ لیکن یہ الگورتھم جو کمپیوٹیشن کرتے ہیں اسے ایک مخصوص آپریشن کے لیے آسان بنایا جا سکتا ہے ، جسے ڈاٹ پروڈکٹ کہتے ہیں ۔ ہمارا نقطہ نظر یہ تھا کہ کیا ہم اس ڈاٹ پروڈکٹ کی فعالیت کو میموری کے اندر لاگو کر سکتے ہیں تاکہ آپ کو اس ڈیٹا کو آگے پیچھے منتقل کرنے کی ضرورت نہ پڑے ؟

 

 

بسواس اور ان کے تھیسس ایڈوائزر ، اننتھا چندرکاسن ، ایم آئی ٹی کے سکول آف انجینئرنگ کے ڈین اور الیکٹریکل انجینئرنگ اور کمپیوٹر سائنس کے پروفیسر وینیور بش ، ایک مقالے میں اس نئی چپ کی وضاحت کرتے ہیں جسے بسواس اس ہفتے بین الاقوامی سالڈ اسٹیٹ سرکٹس کانفرنس میں پیش کر رہے ہیں ۔  

 ینالاگ پر واپس جائیں:  

اعصابی نیٹ ورکس کو عام طور پر تہوں میں ترتیب دیا جاتا ہے ۔ نیٹ ورک کی ایک پرت میں ایک واحد پروسیسنگ نوڈ عام طور پر نیچے کی پرت میں کئی نوڈس سے ڈیٹا وصول کرے گا اور اوپر کی پرت میں کئی نوڈس کو ڈیٹا منتقل کرے گا ۔ نوڈس کے درمیان ہر کنکشن کا اپنا"وزن"ہوتا ہے ، جو اس بات کی نشاندہی کرتا ہے کہ ایک نوڈ کا آؤٹ پٹ اگلے کی طرف سے کی جانے والی گنتی میں کتنا بڑا کردار ادا کرے گا ۔ نیٹ ورک کو تربیت دینا ان وزنوں کو ترتیب دینے کا معاملہ ہے ۔

 

 نیچے کی پرت میں ایک سے زیادہ نوڈس سے ڈیٹا حاصل کرنے والا نوڈ ہر ان پٹ کو متعلقہ کنکشن کے وزن سے ضرب دے گا اور نتائج کو جمع کرے گا ۔ وہ آپریشن — ضرب کا خلاصہ — ڈاٹ پروڈکٹ کی تعریف ہے ۔ اگر ڈاٹ پروڈکٹ کچھ حد کی قیمت سے زیادہ ہے ، نوڈ اسے اگلی پرت میں نوڈس میں منتقل کرے گا ، اپنے وزن کے ساتھ کنکشن پر ۔

نئی چپ نیورل نیٹ ورکس کی بجلی کی کھپت کو 95 فیصد تک کم کرتی ہے:  

 

نیورل نیٹ ایک تجرید ہے"نوڈز"صرف وزن ہیں جو کمپیوٹر کی میموری میں محفوظ ہیں ۔ ڈاٹ پروڈکٹ کا حساب لگانے میں عام طور پر میموری سے وزن حاصل کرنا ، متعلقہ ڈیٹا آئٹم کو بازیافت کرنا ، دونوں کو ضرب دینا ، نتیجہ کو کہیں محفوظ کرنا ، اور پھر ہر ان پٹ کے لیے آپریشن کو نوڈ میں دہرانا شامل ہے ۔ یہ دیکھتے ہوئے کہ ایک عصبی جال میں ہزاروں یا لاکھوں نوڈس ہوں گے ، اس میں گھومنے کے لیے بہت زیادہ ڈیٹا ہے ۔

 

 لیکن آپریشن کا یہ تسلسل دماغ میں کیا ہوتا ہے اس کا صرف ایک ڈیجیٹل تخمینہ ہے ، جہاں ایک سے زیادہ نیوران کے ساتھ سفر کرنے والے سگنل ایک"Synapse"یا نیوران کے بنڈلوں کے درمیان ایک خلا پر ملتے ہیں ۔ نیوران کی فائرنگ کی شرح اور الیکٹرو کیمیکل سگنل جو Synapse کو عبور کرتے ہیں ڈیٹا کی قدروں اور وزن کے مطابق ہیں ۔ MIT محققین کی نئی چپ دماغ کو زیادہ ایمانداری سے نقل کرکے کارکردگی کو بہتر بناتی ہے ۔

 

چپ میں ، نوڈ کی ان پٹ ویلیوز کو برقی وولٹیجز میں تبدیل کیا جاتا ہے اور پھر مناسب وزن سے ضرب کیا جاتا ہے ۔ صرف مشترکہ وولٹیج کو دوبارہ ڈیجیٹل نمائندگی میں تبدیل کیا جاتا ہے اور مزید پروسیسنگ کے لیے محفوظ کیا جاتا ہے ۔

 

 اس طرح چپ ایک سے زیادہ نوڈس کے لیے ڈاٹ پروڈکٹس کا حساب لگا سکتی ہے — ایک وقت میں 16 ، پروٹو ٹائپ میں — ایک ہی قدم میں ، ہر حساب کے لیے پروسیسر اور میموری کے درمیان شٹلنگ کے بجائے ۔

 

 

: تمام یا کچھ بھی نہیں

 سسٹم کی کلیدوں میں سے ایک یہ ہے کہ تمام وزن یا تو 1 یا-1 ہیں ۔ اس کا مطلب یہ ہے کہ انہیں میموری میں ہی سادہ سوئچ کے طور پر لاگو کیا جا سکتا ہے جو یا تو سرکٹ کو بند کر دیتے ہیں یا اسے کھلا چھوڑ دیتے ہیں ۔ حالیہ نظریاتی کام سے پتہ چلتا ہے کہ صرف دو وزنوں کے ساتھ تربیت یافتہ عصبی جالوں کو تھوڑی درستگی کھونی چاہئے-کہیں 1 اور 2 فیصد کے درمیان ۔

 

 بسواس اور چندرکاسن کی تحقیق اس پیشین گوئی کو ظاہر کرتی ہے ۔ تجربات میں ، انہوں نے روایتی کمپیوٹر پر نیورل نیٹ ورک کا مکمل نفاذ اور ان کی چپ پر بائنری وزن کے برابر کام کیا ۔ ان کے چپ کے نتائج عام طور پر روایتی نیٹ ورک کے 2 سے 3 فیصد کے اندر تھے ۔

 

 آئی بی ایم میں مصنوعی ذہانت کے نائب صدر ڈاریو گل کہتے ہیں ،"یہ گہری سیکھنے والی ایپلی کیشنز کے لیے SRAM پر مبنی ان میموری اینالاگ کمپیوٹنگ کا حقیقی دنیا کا ایک شاندار مظاہرہ ہے ۔""نتائج میموری صفوں کے ساتھ کنولوشن آپریشنز کے توانائی کے موثر نفاذ کے لیے متاثر کن وضاحتیں دکھاتے ہیں ۔ یہ یقینی طور پر مستقبل میں IoT (چیزوں کا انٹرنیٹ) میں تصویر اور ویڈیو کی درجہ بندی کے لیے مزید پیچیدہ عصبی اعصابی نیٹ ورکس کو ملازمت دینے کا امکان کھول دے گا ۔

اس طرح کی مفید معلومات کےلئےمزید ارٹیکلز کے لینکس ملا خطہ  ہو۔

ڈی این اے بمقابلہ ایم آر این اے ویکسین: مماثلت اور فرق۔

مستقبل کے سینسرز اور انرجی ڈیوائسز کے لیے ایم او ایف نانو شیٹس کے انعقاد کی پانی پر تخلیق۔
کیا ٹیکنالوجی انسانی تکلیف کے لئے ذمہ دار ہے؟

برقی مقناطیسی نبض: آج کا ہتھیار۔

موبائل فون سگنلز کی چوری