ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് മെഷീൻ ലേണിംഗ് വളരെയധികം കമ്പ്യൂട്ടിംഗ് ശക്തിയും ഊർജ്ജവും ഉപയോഗിക്കുന്നു, ഇത് സാധാരണയായി ക്ലൗഡിൽ ചെയ്യുന്നു. എന്നാൽ നിലവിലെ സാങ്കേതികവിദ്യയേക്കാൾ 100 മടങ്ങ് കൂടുതൽ കാര്യക്ഷമതയുള്ള ഒരു പുതിയ മൈക്രോട്രാൻസിസ്റ്റർ മൊബൈൽ, ധരിക്കാവുന്ന ഉപകരണങ്ങളിലേക്ക് പുതിയ തലത്തിലുള്ള ഇന്റലിജൻസ് കൊണ്ടുവരുമെന്ന് വാഗ്ദാനം ചെയ്യുന്നു.

നേച്ചർ ഇലക്ട്രോണിക്സ് ജേണലിൽ പ്രസിദ്ധീകരിച്ച ഒരു പ്രബന്ധത്തിലാണ് നോർത്ത് വെസ്റ്റേൺ യൂണിവേഴ്സിറ്റിയിലെ ഗവേഷകർ അവരുടെ പുതിയ നാനോ ഇലക്ട്രോണിക് ഉപകരണം അവതരിപ്പിച്ചത്. പല മെഷീൻ ലേണിംഗ് സിസ്റ്റങ്ങളുടെയും നട്ടെല്ലായ വർഗ്ഗീകരണത്തിന്റെ ചുമതല നിർവഹിക്കുന്നതിനാണ് ഇത് രൂപകൽപ്പന ചെയ്തിരിക്കുന്നത് – അതായത്, വലിയ അളവിലുള്ള ഡാറ്റ വിശകലനം ചെയ്യുകയും പ്രധാനപ്പെട്ട ബിറ്റുകൾ ലേബൽ ചെയ്യാൻ ശ്രമിക്കുകയും ചെയ്യുന്നു.

“ഇന്ന്, മിക്ക സെൻസറുകളും ഡാറ്റ ശേഖരിക്കുകയും തുടർന്ന് ക്ലൗഡിലേക്ക് അയയ്ക്കുകയും ചെയ്യുന്നു, അവിടെ ഫലങ്ങൾ ഉപയോക്താവിന് തിരികെ അയയ്ക്കുന്നതിനുമുമ്പ് ഊർജ്ജ വിശപ്പുള്ള സെർവറുകളിൽ വിശകലനം നടക്കുന്നു,” പഠനത്തിന്റെ മുതിർന്ന രചയിതാവ് നോർത്ത് വെസ്റ്റേൺ മാർക് സി ഹെർസാം പറഞ്ഞു. “ഈ സമീപനം അവിശ്വസനീയമാംവിധം ചെലവേറിയതാണ്, ഗണ്യമായ ഊർജ്ജം ഉപയോഗിക്കുന്നു, കൂടാതെ സമയ കാലതാമസം കൂട്ടുന്നു. ഞങ്ങളുടെ ഉപകരണം വളരെ ഊർജ്ജ കാര്യക്ഷമമാണ്, ഇത് തത്സമയ കണ്ടെത്തലിനും ഡാറ്റ പ്രോസസ്സിംഗിനും ധരിക്കാവുന്ന ഇലക്ട്രോണിക്സിൽ നേരിട്ട് വിന്യസിക്കാൻ കഴിയും, ഇത് ആരോഗ്യ അടിയന്തിര സാഹചര്യങ്ങളിൽ കൂടുതൽ ദ്രുതഗതിയിലുള്ള ഇടപെടൽ പ്രാപ്തമാക്കുന്നു.

നിലവിലുള്ള ട്രാൻസിസ്റ്ററുകൾ സിലിക്കണിൽ നിർമ്മിക്കുന്നിടത്ത്, മോളിബ്ഡിനം ഡൈസൾഫൈഡിന്റെയും ഏകമാന കാർബൺ നാനോട്യൂബുകളുടെയും ദ്വിമാന ഷീറ്റുകളിൽ നിന്നാണ് ഈ പുതിയവ നിർമ്മിച്ചിരിക്കുന്നത്. അവയുടെ നിർമ്മാണം അവയെ വേഗത്തിൽ ട്യൂൺ ചെയ്യാനും ഫ്ലൈയിൽ പുനർനിർമ്മിക്കാനും അനുവദിക്കുന്നു, അതിനാൽ അവ ഡാറ്റാ പ്രോസസ്സിംഗ് ശൃംഖലയിലെ ഒന്നിലധികം ഘട്ടങ്ങൾക്കായി ഉപയോഗിക്കാം, അവിടെ പരമ്പരാഗത ട്രാൻസിസ്റ്ററുകൾക്ക് ഒരു ഘട്ടം മാത്രമേ നിർവഹിക്കാൻ കഴിയൂ.

“രണ്ട് വ്യത്യസ്ത മെറ്റീരിയലുകൾ ഒരു ഉപകരണത്തിലേക്ക് സംയോജിപ്പിക്കുന്നത് പ്രയോഗിച്ച വോൾട്ടേജുകൾ ഉപയോഗിച്ച് കറന്റ് ഒഴുക്ക് ശക്തമായി മോഡുലേറ്റുചെയ്യാൻ ഞങ്ങളെ അനുവദിക്കുന്നു, ഇത് ചലനാത്മക പുനർനിർമ്മാണം പ്രാപ്തമാക്കുന്നു,” ഹെർസാം വിശദീകരിക്കുന്നു. “ഒരൊറ്റ ഉപകരണത്തിൽ ഉയർന്ന അളവിൽ ട്യൂണബിലിറ്റി ഉള്ളത് ചെറിയ കാൽപ്പാടും കുറഞ്ഞ ഊർജ്ജ ഉപഭോഗവും ഉപയോഗിച്ച് സങ്കീർണ്ണമായ വർഗ്ഗീകരണ അൽഗോരിതങ്ങൾ നടത്താൻ ഞങ്ങളെ അനുവദിക്കുന്നു.”

പരിശോധനയിൽ, ഈ ചെറിയ “മിക്സഡ്-കെർണൽ ഹെറ്ററോജംഗ്ഷൻ ട്രാൻസിസ്റ്ററുകൾ” പൊതുവായി ലഭ്യമായ ഇസിജി ഡാറ്റാസെറ്റുകൾ വിശകലനം ചെയ്യാനും ആറ് വ്യത്യസ്ത തരം ഹൃദയമിടിപ്പുകൾ ലേബൽ ചെയ്യാനും പരിശീലിപ്പിച്ചു: സാധാരണ, ആട്രിയൽ അകാല ഹൃദയമിടിപ്പ്, അകാല വെൻട്രിക്കുലാർ സങ്കോചം, വേഗതയുള്ള ബീറ്റ്, ഇടത് ബണ്ടിൽ ബ്രാഞ്ച് ബ്ലോക്ക് ബീറ്റ്, വലത് ബണ്ടിൽ ബ്രാഞ്ച് ബ്ലോക്ക് ബീറ്റ്.

10,000 ഇസിജി സാമ്പിളുകളിലുടനീളം, ഈ മൈക്രോ-ട്രാൻസിസ്റ്ററുകളിൽ രണ്ടെണ്ണം ഉപയോഗിച്ച് 95% കൃത്യതയോടെ അസാധാരണമായ ഹൃദയമിടിപ്പുകൾ ശരിയായി തരംതിരിക്കാൻ ഗവേഷകർക്ക് കഴിഞ്ഞു, അവിടെ നിലവിലെ മെഷീൻ ലേണിംഗ് സമീപനത്തിന് നൂറിലധികം പരമ്പരാഗത ട്രാൻസിസ്റ്ററുകൾ ആവശ്യമാണ്, അവർ ഊർജ്ജത്തിന്റെ 1% ഉപയോഗിച്ചു.

എന്താണ് ഇത് ഉദ്ദേശിക്കുന്നത്? ശരി, ഇതിനർത്ഥം ഈ സാങ്കേതികവിദ്യ ഉൽ പാദനത്തിലേക്ക് പ്രവേശിച്ചുകഴിഞ്ഞാൽ – അത് എപ്പോൾ ആയിരിക്കുമെന്നതിനെക്കുറിച്ച് ഒരു വാക്കുമില്ല – ചെറുതും ഭാരം കുറഞ്ഞതും ബാറ്ററിയിൽ പ്രവർത്തിക്കുന്നതുമായ മൊബൈൽ ഉപകരണങ്ങൾ അവരുടെ സ്വന്തം സെൻസർ ഡാറ്റയ്ക്ക് മുകളിൽ ഒരു മെഷീൻ ലേണിംഗ് ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് പ്രവർത്തിപ്പിക്കാനുള്ള ബുദ്ധി നേടും. വിശകലനത്തിനായി ക്ലൗഡിലേക്ക് ഡാറ്റയുടെ കഷണങ്ങൾ അയയ്ക്കേണ്ടി വന്നാൽ അവർ പ്രതീക്ഷിച്ചതിലും വേഗത്തിൽ ഫലങ്ങൾ കണ്ടെത്തുമെന്ന് ഇതിനർത്ഥം – കൂടാതെ അവർ നിങ്ങളിൽ ശേഖരിക്കുന്ന വ്യക്തിഗത ഡാറ്റ പ്രാദേശികവും സ്വകാര്യവും സുരക്ഷിതവുമായിരിക്കുമെന്നും ഇതിനർത്ഥം.

പോർട്ടബിൾ ഉപകരണങ്ങൾക്ക് ഈ ഗിയർ കർശനമായി ഉപയോഗപ്രദമാകുമോ, അല്ലെങ്കിൽ വീഡിയോ ഡാറ്റ കൈകാര്യം ചെയ്യാൻ കഴിയുമോ, അല്ലെങ്കിൽ ഈ ജോലി വലിയ മെഷീൻ ലേണിംഗ്, ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് ഉപകരണങ്ങളിലേക്ക് ഫിൽട്ടർ ചെയ്യാൻ കഴിയുമോ എന്നത് വ്യക്തമല്ല. ഉദാഹരണത്തിന്, വലിയ മോഡൽ പരിശീലനത്തിൽ വൈദ്യുതി ഉപഭോഗത്തിൽ നൂറുമടങ്ങ് ഇടിവ് ഒരു വലിയ മുന്നേറ്റമായിരിക്കും.

ലോകമെമ്പാടുമുള്ള കമ്പനികൾ ഭ്രാന്തമായ വലിയ ഭാഷാ മോഡലുകളെയും മൾട്ടിമോഡൽ എഐകളെയും പരിശീലിപ്പിക്കാൻ തിരക്കുകൂട്ടുമ്പോൾ ഊർജ്ജ ഉപയോഗവും അനുബന്ധ പുറന്തള്ളലും കുതിച്ചുയരുകയാണ്. 2021 ൽ പോലും, ഗൂഗിളിന്റെ മൊത്തം ഊർജ്ജ ബജറ്റിന്റെ 10-15% ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിനായി ചെലവഴിച്ചു, ആ ശതമാനം ഗണ്യമായി വളർന്നുവെന്ന് നിങ്ങൾക്ക് ഉറപ്പിക്കാം. എൻവിഡിയയുടെ മികച്ച ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് കാർഡുകളുടെ പ്രകടനത്തിന് തുല്യമായ ചിപ്പുകൾ നിർമ്മിക്കുന്ന ഒരു കമ്പനി, അതേസമയം 1% ഊർജ്ജം ഉപയോഗിക്കുന്നു.

സാധ്യതയില്ലെന്ന് തോന്നുന്നു; ടീം അതിന്റെ പത്രക്കുറിപ്പിൽ മൊബൈൽ ഉപകരണങ്ങളെക്കുറിച്ച് സംസാരിക്കുന്നതിൽ ഉറച്ചുനിൽക്കുന്നു. എന്നിരുന്നാലും, കമ്പ്യൂട്ടർ ഇന്റലിജൻസിൽ മറ്റൊരു ചുവട് മുന്നോട്ട്, അത് സ്മാർട്ട് ഉപകരണങ്ങളുടെ മറ്റൊരു തരംഗം തുറക്കാൻ കഴിയും. മാറ്റത്തിന്റെ വേഗത വർദ്ധിച്ചുകൊണ്ടിരിക്കുന്നു.

Nature Electronics എന്ന ജേണലിലാണ് പഠനം പ്രസിദ്ധീകരിച്ചിരിക്കുന്നത്.