पैट्रिक भौतिकी और मेटामटेरियल्स की पृष्ठभूमि वाला एक उद्यमी है। पैट्रिक न्यूरोफ़ॉस वास्तुकला के भविष्य के लिए दृष्टिकोण निर्धारित करता है और अनुसंधान और विकास में अपनी टीम को निर्देशित करता है, विशेष रूप से मेटामटेरियल्स डिज़ाइन में। उन्होंने प्रोफेसर डेविड स्मिथ के अधीन ईटीएच ज्यूरिख से माइक्रो-नैनो सिस्टम में मास्टर डिग्री और ड्यूक यूनिवर्सिटी से इलेक्ट्रिकल इंजीनियरिंग में पीएचडी की है। स्नातक स्तर की पढ़ाई के बाद, पैट्रिक ने प्रोफेसर स्मिथ के साथ मेटासेप्ट की सह-स्थापना की; मेटासेप्ट दुनिया की अग्रणी मेटामटेरियल्स व्यावसायीकरण केंद्र और परामर्श फर्म है।
न्यूरोफोस के बारे में बताएं? आप किन समस्याओं का समाधान कर रहे हैं?
हम कहते हैं कि हम मानव मस्तिष्क की कम्प्यूटेशनल शक्ति को कृत्रिम बुद्धिमत्ता में लाने के लिए मौजूद हैं। 2009 में यह पता चला कि सीपीयू की तुलना में जीपीयू इंटरनेट पर बिल्लियों को पहचानने में बहुत बेहतर हैं, लेकिन जीपीयू एआई वर्कलोड के भविष्य का जवाब नहीं हैं। जिस तरह तंत्रिका नेटवर्क के लिए जीपीयू सीपीयू से बेहतर थे, उसी तरह ऐसे आर्किटेक्चर भी हो सकते हैं जो परिमाण के आधार पर जीपीयू से बेहतर हों। जीपीयू के बाद एआई के लिए न्यूरोफोस आता है।
सामान्य तौर पर एआई के बड़े भाषा मॉडल सीमित हो गए हैं क्योंकि हमारे पास उनकी क्षमता का पूरी तरह से एहसास करने के लिए पर्याप्त गणना शक्ति नहीं है। लोगों ने मुख्य रूप से इसके प्रशिक्षण पक्ष पर ध्यान केंद्रित किया है, सिर्फ इसलिए कि आपको इसे तैनात करने के बारे में सोचने से पहले कुछ उपयोगी प्रशिक्षित करना था। उन प्रयासों ने बड़े एआई मॉडल की अविश्वसनीय शक्ति को उजागर किया है, और उस प्रमाण के साथ लोग इस बात पर ध्यान केंद्रित करना शुरू कर रहे हैं कि बड़े पैमाने पर एआई को कैसे तैनात किया जाए। उन एआई मॉडल की शक्ति का मतलब है कि हमारे पास लाखों उपयोगकर्ता हैं जो हर दिन उनका उपयोग करेंगे। प्रति उपयोगकर्ता कितनी ऊर्जा खर्च होती है? प्रति अनुमान गणना लागत कितनी है? यदि यह अनुमान के अनुसार पर्याप्त सस्ता नहीं है, तो यह उन व्यवसायों के लिए बहुत सीमित बात हो सकती है जो एआई को तैनात करना चाहते हैं।
ऊर्जा दक्षता भी एक बड़ी समस्या है जिसे हल करना है। यदि आपके पास एक सर्वर है जो 6 किलोवाट जलता है, और आप 100 गुना तेज चलना चाहते हैं लेकिन मौलिक ऊर्जा दक्षता के बारे में कुछ नहीं करते हैं, तो वह 6 किलोवाट सर्वर अचानक 600 किलोवाट सर्वर बन जाता है। किसी बिंदु पर आप दीवार से टकराते हैं; आप बस बहुत अधिक बिजली जला रहे हैं और आप चिप्स से गर्मी को तेजी से नहीं खींच सकते। और निःसंदेह इसके ऊपर जलवायु-परिवर्तन के मुद्दे भी हैं। AI द्वारा कितनी ऊर्जा की खपत हो रही है? डेटा केंद्रों को ठंडा रखने की कोशिश में हम कितनी अतिरिक्त ऊर्जा बर्बाद कर रहे हैं? इसलिए, किसी को पहले ऊर्जा दक्षता समस्या को हल करने की आवश्यकता है, और फिर आप अनुप्रयोगों की मांगों के लिए पर्याप्त तेज़ी से आगे बढ़ सकते हैं।
जब तक AI अस्तित्व में है, लोगों ने AI के लिए ऑप्टिकल कंप्यूट का उपयोग करने का प्रस्ताव रखा है। ऐसे बहुत से विचार हैं जिन पर हम आज काम करते हैं और वे भी 80 के दशक के पुराने विचार हैं। उदाहरण के लिए, प्रसिद्ध "मेटामैटेरियल्स इनविजिबिलिटी क्लोक" के मूल समीकरण और अपवर्तन के नकारात्मक सूचकांक जैसी अन्य चीजों का पता 60 और 80 के दशक में रूसी भौतिकविदों से लगाया जा सकता है। हालाँकि यह एक तरह से सोचा गया था, लेकिन इसे वास्तव में डेविड स्मिथ और सर जॉन पेंड्री द्वारा पुनर्निर्मित किया गया था।
इसी तरह, सिस्टोलिक ऐरे, जो आमतौर पर लोग "टेंसर प्रोसेसर" कहते हैं उसका मतलब होता है, 70 के दशक के उत्तरार्ध का एक पुराना विचार है। क्वांटम कंप्यूटिंग 80 के दशक का एक पुराना विचार है जिसे हमने आज पुनर्जीवित किया है। ऑप्टिकल प्रोसेसिंग भी 80 के दशक का एक पुराना विचार है, लेकिन उस समय हमारे पास इसे लागू करने की तकनीक नहीं थी। तो न्यूरोफोस के साथ, हम ऑप्टिकल ट्रांजिस्टर को फिर से आविष्कार करने के लिए वापस चले गए, जमीन से अंतर्निहित हार्डवेयर का निर्माण किया जो कि बहुत पहले से फैंसी ऑप्टिकल कंप्यूटिंग विचारों को लागू करने के लिए आवश्यक है।
ग्राहकों को एनवीडिया के जीपीयू का उपयोग करने के स्थान पर आपकी तकनीक का उपयोग करने के लिए क्या प्रेरित करेगा?
इसलिए, मुझे लगता है कि नंबर एक चीज़ जिसकी अधिकांश ग्राहक वास्तव में परवाह करते हैं, वह प्रति अनुमान मीट्रिक डॉलर है, क्योंकि यही वह चीज़ है जो वास्तव में उनके व्यवसाय मॉडल को बनाती या बिगाड़ती है। हम उस मीट्रिक को एक ऐसे समाधान के साथ संबोधित कर रहे हैं जो वास्तव में एक ही पावर लिफाफे के भीतर, अत्याधुनिक जीपीयू के सापेक्ष गणना की गति को 100 गुना बढ़ा सकता है।
पर्यावरणीय चिंता भी एक ऐसी चीज़ है जिसकी लोग परवाह करते हैं, और हम सीधे इसके सबसे महत्वपूर्ण स्रोतों में से एक: डेटासेंटर पर ऊर्जा की खपत को कम करने के लिए एक बहुत ही वास्तविक समाधान प्रदान कर रहे हैं।
यदि आप आराम से बैठें और सोचें कि इसका पैमाना क्या है... किसी को यहां समाधान देना ही होगा, चाहे वह हम हों या कोई और। चिप पैकेजिंग में बैंडविड्थ लगभग क्षेत्र के वर्गमूल के समानुपाती होती है और चिप पैकेजिंग में बिजली की खपत आम तौर पर क्षेत्र के समानुपाती होती है। इसके कारण सभी प्रकार के विकृत तरीके सामने आए हैं जिनसे हम सिस्टम बनाने और पैकेज करने का प्रयास कर रहे हैं।
पैकेजिंग उन चीजों में से एक है जो सामान्य तौर पर एआई के लिए वास्तव में क्रांतिकारी रही है। प्रारंभ में यह लागत और विभिन्न प्रौद्योगिकी नोड्स से चिपलेट्स को मिश्रित करने में सक्षम होने के बारे में था, और सबसे बढ़कर, मेमोरी एक्सेस गति और बैंडविड्थ के बारे में था क्योंकि आप DRAM चिप्स के साथ एकीकृत कर सकते थे। लेकिन अब आप वहां अधिक से अधिक चिप्स डाल रहे हैं!
एनालॉग कंप्यूट दृष्टिकोण का उपयोग करने से क्षेत्र के आनुपातिक के बजाय क्षेत्र के वर्गमूल तक गणना के लिए बिजली की खपत बहाल हो जाती है। तो अब जिस तरह से आपकी गणना और बिजली की खपत का पैमाना उसी तरह चलता है; आप उन्हें संतुलन में ला रहे हैं।
हमारा मानना है कि हमने एनालॉग इन-मेमोरी गणना के लिए आज तक का एकमात्र दृष्टिकोण विकसित किया है जो वास्तव में इन स्केलिंग कानूनों को लागू करने के लिए पर्याप्त उच्च गणना घनत्व तक स्केल कर सकता है।
आज ग्राहक न्यूरोफोस के साथ कैसे जुड़ सकते हैं?
हम एक डेवलपमेंट पार्टनर प्रोग्राम बना रहे हैं और अपने हार्डवेयर का एक सॉफ्टवेयर मॉडल प्रदान कर रहे हैं जो लोगों को सीधे PyTorch कोड लोड करने और उसे संकलित करने की अनुमति देता है। यह ग्राहक को थ्रूपुट और विलंबता मेट्रिक्स और प्रति सेकंड कितने उदाहरण आदि प्रदान करता है। यह सिस्टम में थ्रूपुट के लिए किसी भी बाधा पर हमें डेटा भी प्रदान करता है, ताकि हम यह सुनिश्चित कर सकें कि हम समग्र सिस्टम को इस तरह से तैयार कर रहे हैं जो वास्तव में ग्राहकों के कार्यभार के लिए मायने रखता है।
आप किन नई सुविधाओं/प्रौद्योगिकी पर काम कर रहे हैं?
शिक्षाविदों ने लंबे समय से यह सपना देखा है कि अगर उनके पास मेटासर्फेस हो तो वे क्या कर सकते हैं जैसा कि हम न्यूरोफोस में बना रहे हैं, और वहां बहुत सारे सैद्धांतिक पेपर हैं... लेकिन वास्तव में किसी ने भी कभी ऐसा नहीं बनाया है। हम ऐसा करने वाले पहले व्यक्ति हैं। मेरे दिमाग में अधिकांश दिलचस्प एप्लिकेशन वास्तव में गतिशील सतहों के लिए हैं, स्थैतिक के लिए नहीं, और मेटासेप्ट, ड्यूक और ल्यूमोटिव जैसी सहयोगी कंपनियों में अन्य काम भी चल रहे हैं, जिनके बारे में मैं और मुझे लगता है कि दुनिया काफी उत्साहित होगी। .
आप एससी इनक्यूबेटर में क्यों शामिल हुए हैं और अगले 24 महीनों में अपने संगठन के साथ काम करने में न्यूरोफोस के लक्ष्य क्या हैं?
सिलिकॉन कैटलिस्ट सेमीकंडक्टर स्टार्टअप के लिए एक प्रतिष्ठित त्वरक बन गया है, जिसमें प्रवेश के लिए उच्च मानक हैं। हम उन्हें भागीदार के रूप में पाकर उत्साहित हैं। हार्डवेयर स्टार्टअप्स को उनकी उच्च डेमो/प्रोटोटाइप लागत और इंजीनियरिंग चक्र समय के कारण सॉफ्टवेयर स्टार्टअप्स की तुलना में बड़ा नुकसान होता है, और सेमीकंडक्टर स्टार्टअप्स में यह और भी अधिक सच है जहां ईडीए टूल्स और मास्क लागत और इंजीनियरिंग टीमों का सरासर पैमाना निषेधात्मक हो सकता है एक बीज चरण कंपनी के लिए महंगा। सिलिकॉन कैटलिस्ट ने भागीदारों का एक बहुत ही अविश्वसनीय पारिस्थितिकी तंत्र बनाया है जो उनकी विकास लागत को कम करने और बाजार में उनके समय को तेज करने में महत्वपूर्ण सहायता प्रदान करता है।
यह भी पढ़ें:
यूके में चिपस्टार्ट के बारे में शॉन रेडमंड के साथ एक स्पष्ट बातचीत
सीईओ साक्षात्कार: लेमुरियन लैब्स के जय दवानी
दुनिया के सबसे शक्तिशाली टेक इवेंट सीईएस में सात सिलिकॉन कैटलिस्ट कंपनियां प्रदर्शित होंगी
इस पोस्ट को इसके माध्यम से साझा करें:
- एसईओ संचालित सामग्री और पीआर वितरण। आज ही प्रवर्धित हो जाओ।
- प्लेटोडेटा.नेटवर्क वर्टिकल जेनरेटिव एआई। स्वयं को शक्तिवान बनाएं। यहां पहुंचें।
- प्लेटोआईस्ट्रीम। Web3 इंटेलिजेंस। ज्ञान प्रवर्धित। यहां पहुंचें।
- प्लेटोईएसजी. कार्बन, क्लीनटेक, ऊर्जा, पर्यावरण, सौर, कचरा प्रबंधन। यहां पहुंचें।
- प्लेटोहेल्थ। बायोटेक और क्लिनिकल परीक्षण इंटेलिजेंस। यहां पहुंचें।
- स्रोत: https://semiwiki.com/ceo-interviews/342736-ceo-interview-patrick-t-bowen-of-neurophos/
