“സിലിക്കൺ ഇൻഫെർണോ”: AI സൃഷ്ടിച്ച 9°C ഹോട്ട് സോണുകൾക്കുള്ളിൽ

കൃത്രിമ ഇന്റലിജൻസ് വർക്ക്‌ലോഡുകൾ സിലിക്കൺ ചിപ്പുകളിലെ താപ പാറ്റേണുകൾ എങ്ങനെ പുനർനിർമ്മിക്കുന്നു എന്നതിനെക്കുറിച്ച് ഒരു പുതിയ ശാസ്ത്രീയ ചർച്ച ഉയർന്നുവരുന്നു, ചിപ്പിന്റെ ബാക്കി ഭാഗങ്ങളുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ അങ്ങേയറ്റത്തെ പ്രാദേശിക താപനില വ്യത്യാസങ്ങളിൽ എത്താൻ കഴിയുന്ന അസാധാരണമായി സാന്ദ്രീകൃതമായ “ഹോട്ട് സോണുകൾ” സൃഷ്ടിക്കുന്നു.

നൂതന കമ്പ്യൂട്ടിംഗ് സിസ്റ്റങ്ങളെക്കുറിച്ച് പഠിക്കുന്ന ഗവേഷകർ പറയുന്നത്, ആധുനിക AI പ്രോസസ്സിംഗ് - പ്രത്യേകിച്ച് വലിയ തോതിലുള്ള മെഷീൻ ലേണിംഗ് മോഡലുകൾ - ഒരു ചിപ്പിലുടനീളം വൈദ്യുത ലോഡ് തുല്യമായി വിതരണം ചെയ്യുന്നില്ല എന്നാണ്. പകരം, കോടിക്കണക്കിന് കണക്കുകൂട്ടലുകൾ ഒരേസമയം നടക്കുന്ന വളരെ സജീവമായ പ്രദേശങ്ങൾ ഇത് സൃഷ്ടിക്കുന്നു, ഇത് സിലിക്കൺ ഹാർഡ്‌വെയറിനുള്ളിൽ തീവ്രമായ പ്രാദേശിക ചൂടാക്കലിലേക്ക് നയിക്കുന്നു.

ചുറ്റുമുള്ള കൂളർ സോണുകളുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ ചെറിയ പ്രദേശങ്ങളിൽ താപനില എത്രമാത്രം കുത്തനെ ഉയരുന്നു എന്നതിനാൽ ഈ പ്രദേശങ്ങളെ “സിലിക്കൺ ഇൻഫെർണോകൾ” എന്ന് വിശേഷിപ്പിക്കുന്നു. ചില പരീക്ഷണ സിമുലേഷനുകളിൽ, ഒരേ പ്രോസസറിൽ വളരെ കുറഞ്ഞ ദൂരത്തിനുള്ളിൽ ഏകദേശം 9°C അല്ലെങ്കിൽ അതിൽ കൂടുതൽ താപ വ്യത്യാസങ്ങൾ നിരീക്ഷിക്കപ്പെട്ടിട്ടുണ്ട്.

AI ആക്സിലറേറ്ററുകളിലും ഉയർന്ന പ്രകടനമുള്ള GPU-കളിലും ഈ പ്രശ്നം പ്രത്യേകിച്ചും പ്രധാനമാണ്, അവിടെ വർക്ക്‌ലോഡുകൾ വളരെ സാന്ദ്രവും തുടർച്ചയായതുമാണ്. പരമ്പരാഗത കമ്പ്യൂട്ടിംഗ് ജോലികളിൽ നിന്ന് വ്യത്യസ്തമായി, AI സിസ്റ്റങ്ങൾ പലപ്പോഴും സിലിക്കണിന്റെ ഒരേ വിഭാഗങ്ങളെ ആവർത്തിച്ച് സമ്മർദ്ദത്തിലാക്കുന്ന മാട്രിക്സ്-ഹെവി പ്രവർത്തനങ്ങൾ നടത്തുന്നു.

ഈ അസമമായ ചൂടാക്കൽ കാര്യക്ഷമത കുറയ്ക്കുകയും പ്രകടനം മന്ദഗതിയിലാക്കുകയും ശരിയായി കൈകാര്യം ചെയ്തില്ലെങ്കിൽ ഹാർഡ്‌വെയർ ആയുസ്സ് കുറയ്ക്കുകയും ചെയ്യുമെന്ന് വിദഗ്ദ്ധർ പറയുന്നു. പരമ്പരാഗത ഫാൻ അല്ലെങ്കിൽ ലിക്വിഡ് കൂളിംഗ് രീതികൾക്കപ്പുറം കൂളിംഗ് തന്ത്രങ്ങൾ പുനർവിചിന്തനം ചെയ്യാൻ എഞ്ചിനീയർമാരെ ഇത് നിർബന്ധിതരാക്കുന്നു.

AI എന്തുകൊണ്ടാണ് "ഹോട്ട് സോണുകൾ" സൃഷ്ടിക്കുന്നത്

AI ചിപ്പുകൾ സെക്കൻഡിൽ കോടിക്കണക്കിന് സമാന്തര കണക്കുകൂട്ടലുകൾ കൈകാര്യം ചെയ്യുന്നു. ഇത് ഇതിലേക്ക് നയിക്കുന്നു:

അസമമായ വൈദ്യുത പ്രവാഹ വിതരണം

നിർദ്ദിഷ്ട കോറുകളിൽ കേന്ദ്രീകരിച്ചുള്ള ജോലിഭാരം

താപത്തിലേക്കുള്ള ദ്രുത ഊർജ്ജ പരിവർത്തനം

സജീവ സിലിക്കൺ മേഖലകളിലെ താപ "ക്ലസ്റ്ററിംഗ്"

എഞ്ചിനീയറിംഗ് വെല്ലുവിളി

ചിപ്പ് ഡിസൈനർമാർ ഇപ്പോൾ ഇനിപ്പറയുന്നതുപോലുള്ള നൂതന കൂളിംഗ് സമീപനങ്ങൾ പരീക്ഷിച്ചു കൊണ്ടിരിക്കുകയാണ്:

മൈക്രോ-ചാനൽ ലിക്വിഡ് കൂളിംഗ് സിസ്റ്റങ്ങൾ

സ്മാർട്ടർ തെർമൽ-അവെയർ ചിപ്പ് ലേഔട്ടുകൾ

താപം സന്തുലിതമാക്കുന്നതിനുള്ള AI-അധിഷ്ഠിത വർക്ക്ലോഡ് വിതരണം

മികച്ച താപ വ്യാപനമുള്ള പുതിയ സെമികണ്ടക്ടർ വസ്തുക്കൾ

അടുത്ത തലമുറ AI ഹാർഡ്‌വെയറിൽ വേഗത വർദ്ധിപ്പിക്കുന്നതുപോലെ തന്നെ ചൂട് കൈകാര്യം ചെയ്യുന്നതും പ്രധാനമാണെന്ന് ഗവേഷകർ പറയുന്നു.

എന്തുകൊണ്ട് ഇത് പ്രധാനമാണ്

ഡാറ്റാ സെന്ററുകൾ മുതൽ വ്യക്തിഗത ഉപകരണങ്ങൾ വരെ AI സിസ്റ്റങ്ങൾ വികസിക്കുമ്പോൾ, താപ കാര്യക്ഷമത ഒരു പ്രധാന പരിമിതപ്പെടുത്തുന്ന ഘടകമായി മാറുകയാണ്. ചൂട് ശരിയായി നിയന്ത്രിച്ചില്ലെങ്കിൽ, ചിപ്പുകൾക്ക് പ്രകടനം വേഗത്തിലാക്കാൻ കഴിയും - അതായത് കേടുപാടുകൾ തടയാൻ അവ യാന്ത്രികമായി വേഗത കുറയ്ക്കുന്നു.

ഭാവിയിൽ വേഗതയേറിയതും ചെറുതും കൂടുതൽ ഊർജ്ജക്ഷമതയുള്ളതുമായ AI സംവിധാനങ്ങൾ നിർമ്മിക്കുന്നതിന് "സിലിക്കൺ ഇൻഫെർണോ" പ്രശ്നം പരിഹരിക്കുന്നത് നിർണായകമാകുമെന്ന് ശാസ്ത്രജ്ഞർ വിശ്വസിക്കുന്നു.