Cambridge, UK – 소규모 Microsoft 연구팀은 4 년 전에 제작하기 위해 출발했을 때 높은 목표를 가졌습니다. 아날로그 광학 컴퓨터 그것은 복잡한 문제를 해결하기위한 매체로 빛을 사용합니다.

처음부터 그들은 스마트 폰 카메라의 마이크로 가이드 조명, 광학 렌즈 및 센서 (스마트 폰 카메라의 센서)를 사용하여 구축하고 싶었으므로 기존 공급망으로 제조 할 수 있도록 저렴하고 나중에 제조 할 수 있습니다.

또한 특정 문제를 해결하는 데 100 배 더 빠르고 100 배 더 많은 에너지 효율성이 높고 내구성이 있고 실용적 일 수있는 장치를 구상했습니다. 바탕 화면 컴퓨터와 마찬가지로 실온에서 작동 할 수 있습니다.

일반적인 이진 디지털 컴퓨터와 달리 아날로그 광학 컴퓨터 또는 AOC는 물리적 시스템을 사용하여 수행하는 계산을 구현하여 디지털 컴퓨팅의 근본적으로 제한적인 측면을 피합니다. 충분한 AOC는 이진 컴퓨터가 어려움을 겪고있는 일련의 문제를 신속하게 해결할 수있을 것이라고 팀은 희망했다.

최적화 문제는 금융, 물류 및 건강 관리의 세계에서 많은 프로세스의 기초가됩니다. 이해할 수없는 수많은 답변 중에서 최상의 솔루션을 선택해야합니다. 연구원들은 두 가지 유형의 최적화 문제에서 AOC를 사용했으며, 하나는 복잡한 은행 거래와 관련이 있고 다른 하나는 자기 공명 스캔을 사용하는 데 사용되었습니다.

연구원들이 설명하는 또 다른 이정표는 AOC가 오늘날의 대형 언어 모델을 운영하는 GPU보다 훨씬 더 빠른 에너지로 AI 워크로드를 실행 해야하는 잠재력입니다.

이 프로젝트는 오늘 과학 저널에 출판 된 논문에 설명되어 있습니다. 자연.

동시에 Microsoft는 공개적으로 공유하고 있습니다 “최적화 솔버”알고리즘 그리고 “디지털 쌍둥이” 다른 조직의 연구원 들이이 새로운 컴퓨팅 패러다임을 조사하고 새로운 문제를 해결하고 새로운 문제를 해결할 수있는 새로운 문제를 제안 할 수 있도록 개발되었습니다.

AOC를 개발하는 팀을 이끌고있는 Microsoft 교장 연구 관리자 인 Francesca Parmigiani는 디지털 트윈이 실제 AOC가 어떻게 행동하는지 모방하는 컴퓨터 기반 모델이라고 설명했습니다. 동일한 입력, 프로세스 및 출력을 시뮬레이션하지만 하드웨어의 소프트웨어 버전과 같은 디지털 환경에서는 시뮬레이션됩니다.

이를 통해 Microsoft 연구원과 공동 작업자는 실제 상황에서 유용한 규모로 최적화 문제를 해결할 수있었습니다. 이 디지털 트윈을 사용하면 다른 사용자가 최적화 또는 AI에서의 문제가 AOC 하드웨어에서 매핑되어 실행되는 방식을 실험 할 수 있습니다.

Parmigiani는“우리가 꿈꾸는 일종의 성공을 위해서는 다른 연구원 들이이 하드웨어를 어떻게 사용할 수 있는지 실험하고 생각해야합니다.

영국 케임브리지에있는 Microsoft Research Lab에서 미래 AI 인프라에 대한 연구를 지휘하는 Hitesh Ballani는 AOC가 게임 체인저가 될 수 있다고 생각합니다.

“우리는 실제로 은행 및 건강 관리의 두 가지 영역에서 두 가지 실제 문제에 큰 차이를 만들 수 있다는 어려운 약속을 전달했습니다.” 또한“우리는 정확히 동일한 하드웨어가 AI 모델에도 도움이 될 수 있음을 보여줌으로써 완전히 새로운 응용 프로그램 도메인을 열었습니다.”

Nature Paper에 설명 된 의료 예제에서, 연구원들은 디지털 트윈을 사용하여 MRI 스캔을 정확하게 재구성했습니다. 이 연구에 따르면이 장치는 이론적으로 스캔을 30 분에서 5 시로 수행하는 데 걸리는 시간을 줄일 수 있습니다. 은행 예제에서 AOC는 높은 정확도로 복잡한 최적화 테스트 사례를 해결하는 데 성공했습니다.

실용적인 솔루션을 위해 AOC를 적용합니다

아날로그 광학 컴퓨팅의 현대적인 개념은 1960 년대까지 날짜 이며이 AOC를 만드는 데 사용되는 기술도 새로운 것이 아닙니다. 거의 50 년 동안 광섬유 케이블을 구성하는 미세 유리 실이 데이터를 전송하는 데 사용되었습니다.

광자는 기본적인 빛의 입자이며 서로 상호 작용하지 않습니다. 그러나 디지털 카메라의 센서와 같은 중개자를 통과하면 계산에 사용할 수 있습니다. Microsoft 연구원들은 광학 렌즈, 디지털 센서 및 마이크로 형이있는 프로젝터를 사용하여 AOC를 구축했습니다.

광이 다른 강도로 센서를 통과함에 따라 AOC는 숫자를 추가하고 곱할 수 있습니다. 이는 최적화 문제를 해결하기위한 기초입니다. 이것은 연구원들이 AOC를 사용하여 해결할 수있는 첫 번째 클래스의 문제였습니다.

단순히 정의 된 최적화 문제는 거의 끝없는 가능성 중에서 최상의 솔루션을 찾는 것을 목표로합니다. 전형적인 예는“여행 세일즈맨 문제 “: 여행 영업 사원이 집으로 돌아 오기 전에 한 번만 5 개 도시를 방문하기위한 가장 효율적인 경로를 찾으려고한다면 12 개의 가능한 노선이 있습니다. 그러나 61 개 도시가있는 경우 잠재적 노선의 수가 수십억을 능가합니다.

자연 논문으로 이어진 연구를 위해 팀은 256 개의 가중치 또는 매개 변수로 AOC를 구축했습니다. AOC의 이전 세대는 64 명에 불과했습니다.

더 많은 가중치는 더 복잡한 문제를 해결할 수있는 능력을 의미합니다. 연구원들이 AOC를 개선하여 점점 더 많은 마이크로 렌즈를 추가함에 따라 결국 수백만 또는 그 이상의 무게를 가질 수 있습니다. 동시에, 부품이 소형화 될 때 더 작고 작아야한다고 연구원들은 말했다.

Parmigiani는 AOC는 “일반적인 컴퓨터가 아니라 컴퓨터가 매우 성공할 수있는 광범위한 응용 프로그램과 실제 문제를 찾을 수 있다는 것”이라고 말했다.

거래에서 올바른 선택

그러한 실질적인 문제 중 하나는 금융 세계에 있습니다. 자연 논문은 Barclays Bank PLC와의 다년간의 연구 프로젝트를 자세히 설명하여 은행과 기타 금융 기관 사이의 중개자 역할을하는 Clearinghouses에서 매일 사용되는 최적화 문제 유형을 해결하려고 노력합니다.

DVP (Deliver-Versus-Payment) 증권 문제는 규정을 준수하여 여러 당사자 간의 재정적 의무를 해결하는 가장 효율적인 방법을 찾는 동시에 시간 제약과 이용 가능한 잔액 내에서 비용 또는 위험을 최소화하는 것을 목표로합니다.

AOC를 구축하는 팀은 Barclays의 연구팀과 함께 일한 최적화 및 기계 학습에 대한 전문 지식을 갖춘 수학 중심의 선임 연구원 인 Kiril Kalinin을 포함한 여러 분야의 전문가로 구성되어 샘플 거래 정산 문제를 만들고 해결합니다.

Barclays와 Microsoft Research가 생성 한 문제는 최대 1,800 개의 가상 당사자와 28,000 개의 거래가 포함되었습니다.

이는 매일 대형 클리닝 하우스에서 정산되는 수십만 명 중 하나의 거래가 단 하나의 거래를 나타냅니다. 실제 하드웨어에 대한 대표적인 소규모 버전의 문제를 해결하고 디지털 트윈의 큰 문제를 해결하면 미래 세대의 AOC와 훨씬 더 큰 규모로 수행 될 수 있음을 보여 주었으며, 이는 Microsoft Research 팀이 2 년마다 생성하는 것으로 예상됩니다.

Ballani는“이것은 대규모 실제 금융 영향으로 인한 절대적인 거대한 문제입니다. “은행이 공동 작업 해야하는 문제이며 더 나은 알고리즘이 모든 사람에게 도움이되는 문제입니다.”

Shrirang Khedekar는 Barclays의 Advanced Technologies Department의 선임 소프트웨어 엔지니어입니다. 그는 Microsoft Research 팀과 협력하여 연구에 사용 된 데이터 세트 및 매개 변수를 만들었으며 AOC에 관한 Nature 논문의 공동 저자입니다. 그는 그와 Cambridge UK Microsoft Research Team이 거래 정산 문제의 버전을 건설했다고 말했다. 그 결과는이 기술의 잠재력을 보여 주었고 Barclays는 미래 세대의 AOC의 능력이 성장함에 따라 최적화 문제를 계속 해결하는 데 관심이 있다고 말했다.

Khedekar는“우리는 탐구 할 중대한 잠재력이 있다고 생각합니다. “우리는 금융 산업에서도 다른 최적화 문제가 있으며, AOC 기술이 잠재적으로이를 해결하는 데 중요한 역할을 할 수 있다고 생각합니다.”

스캔이 짧은 미래?

아날로그 광학 컴퓨터의 또 다른 유망한 영역은 MRI 스캔입니다.

Microsoft 연구원들은 AOC에 대한 알고리즘을 제작하여 정확한 결과를 생성하는 데 필요한 데이터의 양을 줄일 수있는 최적화 문제를 해결할 수 있습니다. Nature Paper는 AOC의 이러한 사용이 어떻게 훨씬 빠른 스캔을 가능하게하는지 설명하여 매일 하나의 MRI 기계로 더 많은 스캔을 수행 할 수 있습니다.

Michael Hansen은 Microsoft Health Futures의 생물 의학 신호 처리 담당 이사입니다. 그는 AOC 프로젝트에서 케임브리지에 본사를 둔 연구원들과 함께 일했으며 자연 논문의 공동 저자이기도합니다.

“투명하기 위해서는 지금 우리가 임상 적으로 갈 수있는 것이 아닙니다.”라고 그는 말했습니다. “우리가 실행 한이 작은 문제이기 때문에, ‘오 소년!이 악기가 실제로 본격적이라면…

그는 AOC의 디지털 트윈 이이 사용 사례에서 미래 버전의 기계의 생존 가능성을 증명하는 데 핵심이라고 말했다. “디지털 쌍둥이는 기기 자체가 지금 해결할 수있는 것보다 더 큰 문제를 해결할 수있는 곳입니다.” “그리고 우리는 실제로 좋은 이미지 품질을 얻을 수 있다는 점에서.”

이 연구는 수학적 방정식의 처리를 기반으로한다고 연구원들은 말한다. 임상 환경에서 사용되는 시점이 아닙니다.

Hansen은 그와 케임브리지 팀이 MRI 기계의 데이터를 Azure의 AOC로 스트리밍 할 수있는 미래에 대해 생각하고 있으며 그 결과는 클리닉 또는 병원으로 되돌아 갔다고 말했다. “우리는 원시 데이터를 가져 와서 컴퓨터가있는 곳으로 스트리밍하는 방법을 찾아야합니다.”

AI 기능을 갖춘 미래

AOC 프로젝트의 시작부터 팀은이를 사용하여 AI 워크로드를 실행할 수 있기를 희망했습니다. 처음에는 분명한 길을 보지 못했습니다.

그것은 케임브리지의 Microsoft Lab에서 점심 식사를하는 동안 평온한 순간으로 바뀌 었습니다. Ballani는 Specialty가 AI와 기계 학습 인 Pripegry의 주요 연구원 인 Jannes Gladrow가 청중에 있었다고 회상했다.

“그는 매우 자세한 질문을하기 시작했고 저는 생각합니다 우리는 약 3 시간 동안 이야기하게되었습니다.”라고 그는 말했다. AOC의 독특한 특성에 대해 듣고 Gladrow는 그들을 활용할 수있는 잠재적 인 방법을 보았다.

AOC 연구팀의 Gladrow와 Jiaqi Chu는 함께 일하면서 간단한 기계 학습 작업을 수행 할 수있는 알고리즘을 AOC에 매핑했습니다. 이러한 작업을 수행하는 팀의 성공은 Nature Paper에 자세히 설명되어 있으며 대형 언어 모델을 실행할 수있는 미래를 향한 지적입니다.

Gladrow는“이해하는 것이 중요한 것은 기계가 작다는 것입니다. “프로토 타입이기 때문에 현재 적은 수의 무게 만 실행할 수 있습니다.”

그러나 그는 AOC가 운영하는 방식으로 인해“고정 지점”을 찾아서 문제를 반복해서 계산하기 때문에 GPU에 대한 현재 LLM이 에너지의 훨씬 저렴한 비용으로 국가 추적과 함께 투쟁하는 일종의 에너지 결정 추론을 수행 할 가능성이 있다고 말했다.

상태 추적은 체스 연주와 비교할 수 있습니다. 당신은 게임의 규칙, 현재 순간에 이루어지는 움직임 및 전략을 알고 있어야하며, 그 후 Checkmate를 달성하기 위해 예상하고 전략화해야합니다. AOC의 미래 버전에서 실행되는 LLM은 이론적으로 에너지의 일부로 복잡한 추론 작업을 실행할 수 있습니다.

Gladrow는“AOC가 제공하는 가장 중요한 측면은 에너지 효율이 약 100 배나 개선된다는 것입니다. “따라서 하드웨어에서는 혼자서는 들어 본 적이 없습니다.”

Ballani의 관점에서, 연구팀은 중요한 이정표에 도달했지만 실제로는 상업적으로 실행 가능한 아날로그 광학 컴퓨터를 향한 가파른 등반의 시작일뿐입니다.

Ballani는“우리는 우리 자신과 우리 자신과 세상의 더 넓은 세그먼트를 확신시킬 수 있었으며, 실제로, 당신은 실제로 무엇을 알고 있습니까? AOC에 대한 실제 응용 프로그램이 있습니다.

“우리의 목표, 우리의 장기 비전은 Microsoft와 업계가 지속 가능한 방식으로 사회의 이러한 컴퓨팅 기반 변화를 계속하면서 컴퓨팅의 미래의 중요한 부분이라는 것입니다.”

최고 사진 : 영국 케임브리지에있는 Microsoft Research Lab의 아날로그 광학 컴퓨터의 세부 사항은 디지털 센서를 통과하는 다양한 강도를 사용하여 계산을 수행합니다. Microsoft의 Chris Welsch의 사진.

관련 링크:

자세히 알아보십시오: Nature는 AOC 프로젝트 및 사용 사례를 설명하는 동료 검토 논문을 게시합니다.

더 읽으십시오: 빛의 속도로 실제 문제를 해결하는 컴퓨터 구축

자세히 알아보십시오: AOC 프로젝트의 기본 사항

최적화 사용 사례에 사용 된 알고리즘에 액세스하십시오: AOC Optimizer Qumo 추상화

디지털 트윈을 테스트하십시오: https://github.com/microsoft/aoc