चित्र सौजन्य गेर्ड आल्टमन, पिक्साबे वरून
ऍमेझॉन, ह्या जगातील सर्वात मोठ्या ऑनलाईन विक्रेत्याने २०१३ मध्ये त्यांच्या ऍमेझॉन प्राइम एअर सेवेची घोषणा केली. ह्या सेवेद्वारे तुम्ही मागणी नोंदवल्यापासून ३० मिनिटांच्या आत तुमचे सामान ड्रोनच्या मदतीने तुमच्या दाराशी पोचेल. मजा आली ना ऐकून? उपलब्ध बातम्या खऱ्या असतील तर काही महिन्यांतच आपल्याला ह्या सेवेचा लाभ प्रत्यक्षात घेता येईल. मशीन लर्निंग मधील प्रगतीमुळे, मानवी हस्तक्षेपाची गरज नसणारे स्वचलित ड्रोन प्रत्यक्षात आणणे शक्य झाले आहे. एका बाजूला सॉफ्टवेअर अभियंते संगणकीय प्रोग्रॅम द्वारे कृत्रिम प्रज्ञा निर्माण करून ह्या तंत्रज्ञानाच्या मागचा ‘मेंदू’ तयार करत असताना हार्डवेअर अभियंते असे शक्तीशाली प्रोग्रॅम ज्यावर चालवले जातात त्या सिलिकॉन चिप मध्ये क्रांतिकारी बदल घडवून आणत आहेत.
मशीन लर्निंग मधला सध्या सक्रीय संशोधन सुरू असलेला विषय म्हणजे न्यूरल नेटवर्क्स किंवा ज्ञानतंतू जाल. ज्ञानतंतू जाल हे आपाल्या मेंदूतील चेतापेशींप्रमाणे काम करणारे ऍलगोरिदम असतात जे माहितीमधील विशिष्ट रचना ओळखू शकतात. हे ऍलगोरिदम जरी शक्तीशाली असले तरी त्यांच्या काही मर्यादा असतात. “सध्याचे बरेच ज्ञानतंतू जाल क्लाउड वरील म्हणजे आंतरजालावर पसरलेल्या संगणकांवरील सॉफ्टवेअर वर केंद्रित असतात, व मोठ्या सर्व्हर फार्म च्या आधारे चालत असल्यामुळे त्यांना ऊर्जेचा पुरवठा मुबलक असतो. पण हेच ऍलगोरिदम स्वयंचलित गाड्या किंवा ड्रोन वर कार्यान्वित करायचे असतील तर सदर ज्ञानतंतू जाल छोट्या, सुवाही उपकरणांवर चालले पाहिजेत व ऊर्जा-कार्यक्षम असायला हवेत. त्यामुळे अश्या प्रकारच्या ज्ञानतंतू जालांकरिता हार्डवेअर वर लक्ष केंद्रित केले पाहिजे,” असे मुंबई येथील भारतीय तंत्रज्ञान संस्थेचे प्राध्यापक उदयन गांगुली सांगतात.
अलिकडील एका अभ्यासात प्रा. गांगुली, त्यांचे विद्यार्थी व इंटेल प्रोसेसर आर्किटेक्चर रीसर्च लॅब, बेंगळुरू येथील त्यांचे सहकारी यांनी ज्ञानतंतू जालासाठी एक प्रकारच्या रॅंडम ऍक्सेस मेमरी च्या स्वरूपात असलेले हार्डवेअर संरचित केले आहे. एपीएल मटेरियल्स ह्या कालिकात प्रसिद्ध झालेल्या ह्या अभ्यासाला डीएसटी नॅनो मिशन आणि इलेक्ट्रॉनिक्स व तंत्राज्ञान मंत्रालयाकडून आंशिक वित्तसहाय्य लाभले होते. भारतीय तंत्रज्ञान संस्था मुंबई येथील विविध पदवीपूर्व व पदव्युत्तर स्नातक, शिक्षक आणि इंटेल येथील संशोधकांचा ह्या संशोधनात सहभाग आहे.
मागील काही दशकांमधे संरचित केलेल्या बहुतांश संगणकांमधील सर्कीटचे निष्पन्न (आउटपुट) निर्धार्य (डिटरमिनिस्टिक) व अंकीय असतात - म्हणजे त्यांची किंमत ० किंवा १ असते. एक उदाहरण म्हणजे डिजिटल सर्किटचा भाग असलेले लॉजिक गेट, ज्यात जर निविष्टि (इनपुट) माहीत असेल तर निष्पन्न अचूकपणे काढता येते. अशी सर्किट, मोजणे, गणितीय समस्या सोडवणे यांसारख्या तुलनेने सोप्या समस्या सोडवण्यासाठी सक्षम असतात. पण ड्रोनसाठी ईष्टतम मार्ग ठरवणे ही गुंतागुंतीची समस्या आहे, व अश्या प्रकारच्या समस्यांसाठी प्रसंभाव्य प्राोग्राम ची गरज भासते. ह्या प्रोग्रामद्वारे शक्य असलेल्या प्रत्येक निष्पन्नाला, एका संख्याशास्त्रीय संभाव्यता निेर्देशित केली जाते. हे शक्य होण्यासाठी अंकीय हार्डवेअर ऐवजी प्रसंभाव्य क्षमता असलेले अनुरूप हार्डवेअर गरजेचे असते.
सदर अभ्यासात, प्रसंभाव्य ज्ञानतंतू कार्यान्वित करणे शक्य होण्यासाठी संशोधकांनी रेसिस्टिव रॅंडम ऍक्सेस मेमरी (आरआरएएम) ची संरचना प्रस्तावित केली आहे. अश्या ज्ञानतंतूचे जाळे असलेली, बोल्ट्झ्मन यंत्र नावाची एक सैद्धांतिक चौकट संशोधकांनी विचारात घेतली आहे. “बोल्ट्झ्मन यंत्रामुळे मुळे प्रतिमा, ध्वनी व रचना ओळखणे यांसारखी सामान्य कार्ये शक्य होतात. बोल्ट्झ्मन यंत्राची यादृच्छता संख्याशास्त्रीय पद्धतीने निष्पन्नाचे अनुमान करू शकते, जे निर्धार्य यंत्रांसाठी अनैसर्गिक असते,” बोल्ट्झ्मन यंत्राची संकल्पना समजावून सांगताना प्रा. गांगुली म्हणतात.
स्फटिकीय मॅग्नेटाइटचा (PrxCa1−xMnO3) उपयोग करून बांधलेली ही नवीन आरआरएएम, पीसीएमओ आरआरएएम किंवा मेमरिस्टर म्हणून ओळखली जाते. वास्तविक हे एक स्मृती उपकरणच आहे, ज्याची स्थिती त्याच्या रोधाच्या स्वरूपात साठवली जाते. उदाहरणार्थ पीसीएमओ आरआरएएम म्हणजे केवळ एक रोधक असू शकतो जो उच्च रोधाच्या किंवा कमी रोधाच्या स्थितीत असेल. धन व्होल्टता दिल्यावर रोधक उच्च रोधाच्या स्थतीकडून कमी रोधाच्या स्थितीकडे जातो. पण स्थिती बदलणे यादृच्छिक असते आणि व्होल्टता किती आहे त्यावर अवलंबून असते. महत्त्वाची गोष्ट म्हणजे आपल्या मेंदूतील चेतापेशीही अगदी याचप्रकारे काम करतात. पेशीच्या पटलाच्या व अक्षतंतूच्या (ऍक्झॉन) दरम्यान असलेल्या व्होल्टतेवर अवलंबून, संभाव्यपणे चेतापेशी प्रदीपित होतात, किंवा संवेग पाठवतात. अश्या प्रकारचे ज्ञानतंतू हार्डवेअर मधे बनवले तर बोल्ट्झ्मन यंत्र करणे शक्य होते.
संगणकीय पद्धतीने सोडवणे अवघड असलेल्या वर्गातील शोध-इष्टतमीकरणाच्या समस्या सोडवून संशोधकांनी त्यांचे पीसीएमओ आरआरएएम तपासले. “समस्येची महत्ता वाढते तसे समस्यांच्या शक्य असलेल्या समाधानांची संख्या मोठ्या प्रमाणात वाढत जाते. प्रा. गांगुली सांगतात, “समजा व्यक्तींची संख्या ‘क्ष’ असेल, तर वेगवेगळ्या आकाराचे किती सामाजिक गट असतील हे शोधणे, ही अवघड समस्या आहे.”
प्रचलित संगणक निर्धार्य असतात व सर्वोत्तम समाधान शोधण्यासाठी त्यांना शक्य असलेले सर्व पर्याय परिगणित करण्याची आवश्यकता असते. जेवढ्या शक्यता जास्त तेवढे काम किचकट. ह्याच्या तुलनेत, बोल्ट्झ्मन यंत्रामध्ये सर्व ज्ञानतंतू अनेकसरी (पॅरॅलल) असतात. ते जेव्हा यादृच्छिकपणे प्रदीपित होऊन माहितीची देवाणघेवाण करतात, तेव्हा ते प्रदीपनाच्या एका स्थिर रचनेच्या स्थितीत पोचतात. ही स्थिती, उकल इष्टतम असल्याचे निर्देशित करते. संपूर्ण शोध घेतल्याशिवाय सर्वोत्तम समाधान मिळते. ती प्रदीपनाची विशिष्ट स्थिर स्थिती त्या जालाची सर्वात निम्न ऊर्जेची स्थिती असते. त्यामुळे प्रदीपित झालेले जाल नेहमी ह्या स्थितीपर्यंत पोचण्याचा मार्ग शोधते. ऊर्जा कमी करण्यासाठी पाणी जसे खालच्या दिशेने वाहते किंवा बुडबुडे जसे वरच्या दिशेने गतिमान होतात, त्याच प्रकारचे हे उत्स्फूर्त बदल आहेत. “ह्या क्रियेचा उपयोग करून घेण्यासाठी, ज्ञानतंतूंमधील आंतरक्रिया विशिष्ट पद्धतीने होण्याची व्यवस्था आपण करू शकतो, ज्यामुळे जी स्थिर स्थिती निर्माण होईल ती आपल्या समस्येची उकल असेल,” प्रा. गांगुली सांगतात.
इष्टतमीकरणाच्या समस्या साोडवण्याच्या पीसीएमओ आरआरएएमच्या कामगिरीची तुलना संशोधकांनी अंकीय व अनुरुप निष्पन्न देणाऱ्या प्रचलित सिलिकॉन-आधारित हार्डवेअर च्या कामगिरीशी केली. त्यांनी पाहिले की त्यांनी तयार केलेल्या हार्डवेअरने शोधलेली उकल ९८% अचूक आहे आणि क्षेत्रफळ, प्रचलित अर्धवाहक-आधारित हार्डवेअरच्या एक दशमांश आहे. त्याची शक्ती-कार्यक्षमता चौपट आढळली. “ह्यावरून असे दिसते की पीसीएमओ आरआरएएम-आधारित बोल्ट्झ्मन यंत्र असलेली चिप, संगणकीय दृष्ट्या खूपच शक्तीशाली आणि ऊर्जा-कार्यक्षम आहे,” असे मत प्रा. गांगुली व्यक्त करतात.
भारतातील संशोधन संस्थांमध्ये उत्तम दर्जाचे, आजच्या काळात अग्रणी असलेले संशोधन कार्य सुरू आहे ह्याचे सदर अभ्यास उत्तम उदाहरण आहे. संशोधकांनी ह्या कामाच्या एकाधिकारासाठी (पेटंट) अर्ज केला आहे. “ही उपकरणे सध्या प्रायोगिक स्थितीत आहेत, पण चिप संरचना करणे आवश्यक आहे. अश्या प्रणाली वाणिज्यिक दृष्ट्या महत्त्वाच्या आहेत व उच्च-तंत्रज्ञान स्टार्ट-अप कंपन्यांना ह्यात रस असू शकेल,” असे प्रा. गांगुली शेवटी नमूद करतात.