Patrick, fizik ve meta materyaller konusunda geçmişi olan bir girişimcidir. Patrick, Neurophos mimarisinin geleceğine ilişkin vizyonu belirliyor ve ekibini özellikle meta malzeme tasarımı olmak üzere araştırma ve geliştirme konusunda yönlendiriyor. ETH Zürih'ten Mikro-Nano sistemler alanında yüksek lisans derecesine ve Duke Üniversitesi'nden Prof. David Smith yönetiminde Elektrik Mühendisliği alanında doktora derecesine sahiptir. Mezun olduktan sonra Patrick, Prof. Smith ile birlikte Metacept'i kurdu; Metacept dünyanın önde gelen metamateryal ticarileştirme merkezi ve danışmanlık firmasıdır.

Bize Neurophos'tan bahsedin. Hangi sorunları çözüyorsunuz?
İnsan beyninin hesaplama gücünü yapay zekaya taşımak için var olduğumuzu söylüyoruz. 2009'da GPU'ların internetteki kedileri tanıma konusunda CPU'lardan çok daha iyi olduğu keşfedildi, ancak GPU'lar yapay zeka iş yüklerinin geleceğine cevap değil. Sinir ağları için GPU'ların CPU'lardan daha iyi olması gibi, büyüklük sırasına göre GPU'lardan daha iyi mimariler de olabilir. Neurophos, AI için GPU'lardan sonra gelecek olan şeydir.

Yapay zeka büyük dil modelleri genel olarak sınırlıydı çünkü potansiyellerini tam olarak gerçekleştirecek yeterli bilgi işlem gücüne sahip değildik. İnsanlar öncelikle işin eğitim yönüne odaklandılar, çünkü yararlı bir şeyi uygulamaya koymayı düşünmeden önce eğitmeniz gerekiyordu. Bu çabalar, büyük yapay zeka modellerinin inanılmaz gücünü ortaya çıkardı ve bu kanıtla birlikte insanlar, yapay zekanın geniş ölçekte nasıl dağıtılacağına odaklanmaya başlıyor. Bu yapay zeka modellerinin gücü, onları her gün kullanacak milyonlarca kullanıcımızın olduğu anlamına geliyor. Kullanıcı başına ne kadar enerji maliyeti var? Çıkarım başına işlem maliyeti ne kadardır? Çıkarım başına yeterince ucuz değilse, bu, yapay zekayı dağıtmak isteyen işletmeler için çok sınırlayıcı bir şey olabilir.

Enerji verimliliği de çözülmesi gereken büyük bir sorundur. Diyelim ki 6 kiloWatt'lık bir sunucunuz varsa ve 100 kat daha hızlı gitmek istiyorsanız ama temel enerji verimliliği konusunda hiçbir şey yapmıyorsanız, o zaman o 6 kiloWatt'lık sunucu aniden 600 kiloWatt'lık bir sunucuya dönüşür. Bir noktada duvara çarparsın; çok fazla güç yakıyorsunuz ve çiplerdeki ısıyı yeterince hızlı çekemiyorsunuz. Ve elbette bunun üzerine iklim değişikliği sorunları da ekleniyor. Yapay zeka ne kadar enerji tüketiyor? Veri merkezlerini serin tutmaya çalışırken ne kadar ek enerji harcıyoruz? Bu nedenle, birisinin öncelikle enerji verimliliği sorununu çözmesi gerekiyor, daha sonra uygulamaların talepleri için yeterince hızlı ilerleyebilirsiniz.

İnsanlar neredeyse yapay zeka var olduğu sürece yapay zeka için optik bilgi işlem kullanmayı önerdiler. Bugün üzerinde çalıştığımız ve aynı zamanda 80'lerden kalma eski fikirler olan pek çok fikir var. Örneğin, ünlü "metamateryal görünmezlik pelerini"ne ilişkin orijinal denklemlerin ve negatif kırılma indeksi gibi diğer şeylerin izi, 60'lı ve 80'li yıllardaki Rus fizikçilere kadar uzanabilir. Her ne kadar düşünülmüş olsa da aslında David Smith ve Sir John Pendry tarafından yeniden icat edildi.

Benzer şekilde, insanların genellikle "tensör işlemcisi" derken kastettiği sistolik diziler de 70'lerin sonlarından kalma eski bir fikirdir. Kuantum hesaplama, bugün yeniden canlandırdığımız 80'lerden kalma eski bir fikirdir. Optik işleme de 80'lerden kalma eski bir fikirdi ancak o zamanlar bunu uygulayacak teknolojiye sahip değildik. Böylece Neurophos ile optik transistörü yeniden icat etmeye geri döndük ve uzun zaman öncesinin süslü optik bilgi işlem fikirlerini uygulamak için gerekli olan temel donanımı sıfırdan yarattık.

Müşterilerin Nvidia'nın GPU'sunu kullanmaktan teknolojinizi kullanmaya geçmesini ne sağlayacak?
Dolayısıyla çoğu müşterinin gerçekten önemsediğini düşündüğüm bir numaralı şey, çıkarım başına dolar metriğidir, çünkü iş modellerini gerçekten yaratan ya da bozan şey budur. Bu ölçüyü, son teknoloji GPU'ya göre işlem hızını gerçekten 100 kat artırabilen ve tamamı aynı güç aralığında olan bir çözümle ele alıyoruz.

Çevresel kaygı aynı zamanda insanların da önemsediği bir konudur ve biz enerji tüketimini doğrudan en önemli kaynaklarından biri olan veri merkezlerinde önemli ölçüde azaltmak için çok gerçek bir çözüm sunuyoruz.

Arkanıza yaslanıp bunun nasıl ölçeklendiğini düşünürseniz… birisinin buraya bir çözüm sunması gerekiyor, ister biz ister başkası. Çip paketlemede bant genişliği kabaca alanın kareköküyle orantılıdır ve çip paketlemede güç tüketimi genellikle alanla orantılıdır. Bu, sistemleri oluşturmaya ve paketlemeye çalıştığımız her türlü çarpık yola yol açtı.

Ambalajlama, genel olarak yapay zeka için gerçekten devrim yaratan şeylerden biri. Başlangıçta bu, maliyet ve farklı teknoloji düğümlerinden yongaları karıştırabilmekle ilgiliydi ve hepsinden önemlisi, DRAM yongalarıyla entegre olabildiğiniz için bellek erişim hızı ve bant genişliğiyle ilgiliydi. Ama şimdi oraya giderek daha fazla çip koyuyorsun!

Analog hesaplama yaklaşımını kullanmak, hesaplama için güç tüketimini alanla orantılı olmak yerine alanın kareköküne kadar geri yükler. Artık bilgi işlem ve güç tüketimi ölçekleriniz aynı şekilde ilerliyor; onları dengeye getiriyorsunuz.

Bu ölçeklendirme yasalarını devreye sokmak için yeterince yüksek bilgi işlem yoğunluklarına ölçeklenebilen analog bellek içi bilgi işlem için bugüne kadar tek yaklaşımı geliştirdiğimize inanıyoruz.

Müşteriler bugün Neurophos ile nasıl etkileşim kurabilir? 
Bir geliştirme ortağı programı oluşturuyoruz ve donanımımızın, insanların doğrudan PyTorch kodunu yükleyip derlemesine olanak tanıyan bir yazılım modeli sağlıyoruz. Bu, müşteriye verim ve gecikme ölçümleri ile saniyede kaç örnek vb. sağlar. Ayrıca sistemdeki üretimdeki herhangi bir darboğaz hakkında bize geri veri sağlar, böylece genel sistemi müşterilerin iş yükleri için gerçekten önemli olacak şekilde tasarladığımızdan emin olabiliriz.

Hangi yeni özellikler/teknoloji üzerinde çalışıyorsunuz?
Akademisyenler, bizim Neurophos'ta inşa ettiğimiz gibi bir metayüzeyleri olsaydı ne yapabileceklerini uzun zamandır hayal ediyorlardı ve ortada pek çok teorik makale var... ama şimdiye kadar hiç kimse gerçekten bir tane inşa etmedi. Bunu ilk yapan biziz. Bana göre ilginç uygulamaların çoğu statik değil dinamik yüzeyler içindir ve Metacept, Duke ve Lumotive gibi kardeş şirketlerde benim ve sanırım dünyanın oldukça heyecanlanacağı başka çalışmalar da var. .

SC Incubator'a neden katıldınız ve Neurophos'un önümüzdeki 24 ay boyunca kendi organizasyonuyla çalışma hedefleri neler?

Silicon Catalyst, yüksek kabul çıtasıyla yarı iletken girişimleri için prestijli bir hızlandırıcı haline geldi. Onları ortak olarak görmekten heyecan duyuyoruz. Donanım startup'ları, daha yüksek demo/prototip maliyetleri ve mühendislik döngü süreleri nedeniyle yazılım startup'larına göre büyük bir dezavantaja sahiptir ve bu, EDA araçları ve maske maliyetlerinin ve mühendislik ekiplerinin büyüklüğünün engelleyici olabildiği yarı iletken startup'ları için daha da doğrudur. tohum aşamasındaki bir şirket için pahalı. Silicon Catalyst, geliştirme maliyetlerini azaltmada ve pazara sunma sürelerini hızlandırmada önemli yardım sağlayan oldukça inanılmaz bir ortak ekosistemi oluşturdu.

Ayrıca Oku:

Birleşik Krallık'taki ChipStart Hakkında Sean Redmond ile Samimi Bir Sohbet

CEO Röportajı: Lemurian Labs'den Jay Dawani

Dünyanın En Güçlü Teknoloji Etkinliği CES'te Yedi Silikon Katalizörü Firması Sergilenecek

Bu gönderiyi şu yolla paylaş:

• SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
• PlatoData.Network Dikey Üretken Yapay Zeka. Kendine güç ver. Buradan Erişin.
• PlatoAiStream. Web3 Zekası. Bilgi Genişletildi. Buradan Erişin.
• PlatoESG. karbon, temiz teknoloji, Enerji, Çevre, Güneş, Atık Yönetimi. Buradan Erişin.
• PlatoSağlık. Biyoteknoloji ve Klinik Araştırmalar Zekası. Buradan Erişin.
• Kaynak: https://semiwiki.com/ceo-interviews/342736-ceo-interview-patrick-t-bowen-of-neurophos/