تمام آپٹیکل نیوران سسٹم فیز چینج کی بنیاد پر زیر نگرانی لرننگ اور غیر زیر نگرانی لرننگ

حال ہی میں، فطرت نے IBM کی طرف سے ایک نئی تحقیق شائع کی. آپٹیکل آلات کے ساتھ بنایا گیا "تمام آپٹیکل" گہرا نیورل نیٹ ورک روایتی کمپیوٹنگ طریقوں سے زیادہ توانائی کا حامل ہو سکتا ہے، اور اس میں اسکیل ایبلٹی، فوٹو الیکٹرک کنورژن اور اعلی بینڈوتھ کے فوائد ہیں۔ یہ دریافت مستقبل میں آپٹیکل نیورل نیٹ ورک ایکسلریٹر کے ظہور کی بنیاد رکھ سکتی ہے۔ آپٹیکل فائبر پوری دنیا میں ڈیٹا کو روشنی کی شکل میں منتقل کر سکتا ہے، جو جدید ٹیلی کمیونیکیشن ٹیکنالوجی کا ستون بن چکا ہے۔ تاہم، اگر ان ٹرانسمیشن ڈیٹا کا تجزیہ کرنے کی ضرورت ہے، تو انہیں آپٹیکل سگنلز سے الیکٹرانک سگنلز میں تبدیل کیا جانا چاہیے، اور پھر الیکٹرانک آلات کے ذریعے پروسیس کیا جانا چاہیے۔ کچھ عرصے سے، آپٹکس کو مستقبل میں سب سے زیادہ ممکنہ کمپیوٹنگ ٹیکنالوجی کی بنیاد سمجھا جاتا تھا، لیکن الیکٹرانک کمپیوٹرز کی تیز رفتار ترقی کے مقابلے میں، آپٹیکل کمپیوٹنگ ٹیکنالوجی کی مسابقت ظاہر ہے ناکافی ہے۔ تاہم، پچھلے کچھ سالوں میں، صنعت کمپیوٹنگ توانائی کی قیمت پر زیادہ سے زیادہ توجہ دی ہے۔ لہذا، آپٹیکل کمپیوٹنگ سسٹم نے ایک بار پھر زیادہ سے زیادہ توجہ مبذول کی ہے۔ آپٹیکل کمپیوٹنگ میں کم توانائی کی کھپت ہوتی ہے اور اسے AI الگورتھم کے لیے خصوصی ایکسلریشن ہارڈویئر کے طور پر استعمال کیا جا سکتا ہے، جیسے ڈیپ نیورل نیٹ ورک (DNN)۔ حال ہی میں، فیلڈمین اور دیگر نے اس "تمام آپٹیکل نیٹ ورک کے نفاذ" کی تازہ ترین پیش رفت کو جریدے نیچر میں شائع کیا۔

گہرے اعصابی نیٹ ورک میں ملٹی لیئر مصنوعی نیوران اور مصنوعی synapses شامل ہیں۔ ان رابطوں کی طاقت، جسے نیٹ ورک وزن کہا جاتا ہے، مثبت ہو سکتا ہے، جو نیورونل اتیجیت کی نشاندہی کرتا ہے، یا منفی، نیورونل انحبیشن کو ظاہر کرتا ہے۔ نیٹ ورک اصل آؤٹ پٹ اور متوقع آؤٹ پٹ کے درمیان فرق کو کم سے کم کرنے کی پوری کوشش کرے گا، تاکہ تصویر کی شناخت جیسے کاموں کو انجام دینے کے لیے Synapses کے وزن کو تبدیل کیا جا سکے۔ CPU اور دیگر ہارڈویئر ایکسلریٹر عام طور پر DNN کیلکولیشن کے لیے استعمال کیے جاتے ہیں۔ DNN کی تربیت معلوم ڈیٹا سیٹ کا استعمال کر سکتی ہے، اور تربیت یافتہ DNN کو کام میں نامعلوم ڈیٹا کا اندازہ لگانے کے لیے استعمال کیا جا سکتا ہے۔ اگرچہ حساب کی مقدار بڑی ہے، لیکن حسابی کارروائیوں کا تنوع بہت زیادہ نہیں ہوگا، کیونکہ بہت سے Synaptic وزنوں اور نیورونل اکسیٹیشن میں "ضرب اور جمع" آپریشن غالب ہے۔ DNN تب بھی عام طور پر کام کر سکتا ہے جب حساب کی درستگی کم ہو۔ لہذا، DNN نیٹ ورک غیر روایتی کمپیوٹنگ ٹیکنالوجیز کے لیے ممکنہ مواقع کی نمائندگی کرتے ہیں۔ محققین نئے غیر متزلزل میموری آلات پر مبنی DNN ایکسلریٹر بنانے کی کوشش کر رہے ہیں۔ اس قسم کا سامان بجلی کی فراہمی کو منقطع کرتے وقت معلومات کو بھی بچا سکتا ہے، اور اینالاگ الیکٹرانک کمپیوٹنگ کے ذریعے DNN کی رفتار اور توانائی کی کارکردگی کو بہتر بنا سکتا ہے۔

تو آپٹکس کے استعمال پر غور کیوں نہیں کرتے؟ روشنی کی رہنمائی کرنے والے اجزاء میں ڈیٹا کی ایک بڑی مقدار شامل ہوسکتی ہے - چاہے ٹیلی کمیونیکیشن کے لیے آپٹیکل فائبرز ہوں یا فوٹوونک چپس پر ویو گائیڈز۔ اس قسم کی ویو گائیڈ میں، "ویولنتھ ڈویژن ملٹی پلیکسنگ" ٹیکنالوجی کا استعمال روشنی کی بہت سی مختلف طول موجوں کو ایک ساتھ پھیلانے کی اجازت دینے کے لیے کیا جا سکتا ہے۔ اس کے بعد ہر طول موج کو الیکٹران سے آپٹیکل ماڈیولیشن اور آپٹو الیکٹرانک ڈیٹیکشن سے متعلق دستیاب بینڈوڈتھ کے ذریعہ محدود شرح پر ماڈیول کیا جا سکتا ہے (اس طریقے سے تبدیل کیا جا سکتا ہے جو معلومات لے جا سکتا ہے۔ تصویر۔ 1 تمام آپٹیکل پلس نیوران سرکٹ۔ ریزونیٹرز کا استعمال ٹرکوں کی لوڈنگ اور ان لوڈنگ کی طرح ایک واحد طول موج کے اضافے یا ہٹانے کے قابل بناتا ہے۔ DNN نیٹ ورک کی Synaptic وزن سرنی مائکرون رنگ ریزونیٹر کا استعمال کرکے تعمیر کی جاسکتی ہے۔ ریزونیٹر کو تھرمل طور پر ماڈیول کیا جا سکتا ہے، الیکٹرو آپٹک ماڈیول کیا جا سکتا ہے، یا فیز چینج مواد کے ذریعے ماڈیول کیا جا سکتا ہے۔ یہ مواد بے ساختہ مرحلے اور کرسٹل لائن کے مرحلے کے درمیان سوئچ کر سکتے ہیں، اور مختلف مواد کی روشنی جذب کرنے کی صلاحیت بہت مختلف ہوتی ہے۔ مثالی حالات میں، ضرب اور جمع کی بجلی کی کھپت بہت کم ہے۔

فیلڈمین کی ریسرچ ٹیم نے ملی میٹر فوٹوونک چپ پر "تمام آپٹیکل نیورل نیٹ ورک" کو لاگو کیا ہے، جس میں نیٹ ورک میں فوٹو الیکٹرک کنورژن استعمال نہیں ہوتا ہے۔ ان پٹ ڈیٹا کو الیکٹرانک طور پر مختلف طول موجوں میں ماڈیول کیا جاتا ہے اور نیٹ ورک میں داخل کیا جاتا ہے، لیکن پھر تمام ڈیٹا چپ پر رہتا ہے۔ انٹیگریٹڈ فیز چینج میٹریل کا استعمال Synaptic وزن کو ایڈجسٹ کرنے اور نیوران کو مربوط کرنے کے لیے کیا جاتا ہے۔ مصنوعی نیوران کی نبض کی تخلیق اور آپریشنمصنفین چھوٹے پیمانے پر زیر نگرانی اور غیر زیر نگرانی سیکھنے کا مظاہرہ کرتے ہیں - یعنی لیبل لگا ڈیٹا (DNN لرننگ) کا استعمال کرتے ہوئے تربیت اور بغیر لیبل والے ڈیٹا کا استعمال کرتے ہوئے تربیت (انسانی سیکھنے کی طرح)۔

▁ف ور می گ. 3 زیر نگرانی لرننگ اور غیر زیر نگرانی سیکھنے کی بنیاد پر تمام آپٹیکل نیورون سسٹم کی تبدیلی کی وجہ سے وزن کا اظہار روشنی جذب سے محسوس ہوتا ہے، منفی وزن کے لیے ایک بڑے تعصب سگنل کی ضرورت ہوتی ہے، جو فیز کی تبدیلی کے مواد کو فعال نہیں کر سکتا۔ ایک متبادل طریقہ یہ ہے کہ ایک ویو گائیڈ کو دو بازوؤں میں تقسیم کرنے کے لیے مچ زینڈر انٹرفیرومیٹر کے آلے کا استعمال کریں اور پھر انہیں دوبارہ جوڑیں۔ اس وقت، منتقل شدہ روشنی کی مقدار کا انحصار دو پھیلاؤ کے راستوں کے درمیان نظری مرحلے کے فرق پر ہے۔ تاہم، ویو لینتھ ڈویژن ملٹی پلیکسنگ کے ساتھ اس طریقہ کو جوڑنا مشکل ہوسکتا ہے، کیونکہ ہر انٹرفیرومیٹر کے بازو کو ہر طول موج کے لیے ایک مناسب فیز فرق متعارف کرانے کی ضرورت ہوتی ہے۔ DNN کے تمام آپٹیکل نفاذ کو اب بھی بڑے چیلنجوں کا سامنا ہے۔ مثالی طور پر، ان کی بجلی کا کل استعمال کم ہو سکتا ہے، اور ہر مچ زینڈر انٹرفیرومیٹر بازو میں آپٹیکل فیز فرق کو ایڈجسٹ اور برقرار رکھنے کے لیے اکثر تھرموپٹیکل پاور کی ضرورت ہوتی ہے۔

▁ف ور می گ. تمام آپٹیکل نیورل نیٹ ورک کا 4 اسکیل ایبل آرکیٹیکچر اس کے علاوہ، فیز چینج میٹریل پر مشتمل سسٹم میں انجکشن کی جانے والی کل آپٹیکل پاور کو احتیاط سے کیلیبریٹ کیا جانا چاہیے تاکہ ان پٹ سگنل پر مواد کا ردعمل توقعات پر پورا اترے۔ اگرچہ فیز چینج میٹریلز کو مچ زینڈر فیز کو ایڈجسٹ کرنے کے لیے بھی استعمال کیا جا سکتا ہے، لیکن مواد کے ذریعے جذب ہونے والی روشنی کی شدت اور روشنی کی رفتار کو کم کرنے کے درمیان ناگزیر کراس کپلنگ ہو گا، جس سے نظام کی پیچیدگی میں اضافہ ہو گا۔ روایتی DNN نے تیار کیا ہے۔ بڑے پیمانے پر، جس میں ہزاروں نیوران اور لاکھوں synapses شامل ہو سکتے ہیں۔ تاہم، فوٹوونک نیٹ ورکس کے ویو گائیڈز کو جوڑے کو روکنے کے لیے ایک دوسرے سے بہت دور ہونے کی ضرورت ہے اور روشنی کو ویو گائیڈ چھوڑنے سے روکنے کے لیے تیز موڑنے سے گریز کرنا چاہیے۔ کیونکہ دو ویو گائیڈز کا چوراہا غیر مطلوبہ طاقت کو غلط راستے میں داخل کر سکتا ہے، جو فوٹوونک چپ ڈیزائن کی 2D خصوصیات کو کافی حد تک محدود کر دیتا ہے۔

▁ف ور می گ. سنگل لیئر پلس نیورل نیٹ ورک کا تجرباتی نفاذ اس کی وجہ یہ ہے کہ ویو گائیڈ اور کپلنگ ریجن، جیسے کہ ہر مائکرونگ ریزونیٹر کا انلیٹ اور آؤٹ لیٹ، متعلقہ نیٹ ورک کی کارکردگی کے لیے درکار درست سائز تک پہنچنا چاہیے۔ چھوٹے مائیکرو رِنگ ریزونیٹر بنانے کے طریقے پر بھی بہت سی پابندیاں ہیں۔ آخر کار، ماڈیولیشن ٹیکنالوجی ایک کمزور نظری اثر فراہم کرتی ہے اور روشنی کے گزرنے پر محدود اثر کی ایک اہم سطح کو حاصل کرنے کے لیے ایک طویل تعامل والے علاقے کی ضرورت ہوتی ہے۔

فیلڈ مین کی ٹیم کی تحقیق میں ہونے والی پیش رفت سے اس شعبے کی مستقبل کی ترقی کو فروغ دینے کی امید ہے۔ یہ تحقیق مستقبل میں توانائی کے قابل اور توسیع پذیر آپٹیکل نیورل نیٹ ورک ایکسلریٹر کے ظہور کی بنیاد رکھ سکتی ہے۔