এক দশক ধরে, GPU-তে গভীর নিউরাল নেটওয়ার্ক চালানোর মাধ্যমে কৃত্রিম বুদ্ধিমত্তা কীভাবে তৈরি করা হয় তা সংজ্ঞায়িত করেছে। আনকনভেনশনাল এআই নামে একটি স্টার্টআপ এই ঘটনাটি তৈরি করছে যে দক্ষতার পরবর্তী লাফের জন্য একটি মৌলিকভাবে ভিন্ন ধরনের কম্পিউটারের প্রয়োজন হবে, যেখানে পদার্থবিজ্ঞানের আইন সরাসরি কম্পিউটিং করে।
25 জুন, 2026-এ, কোম্পানিটি Un-0 প্রকাশ করে, একটি ইমেজ জেনারেটর যা কাপলড অসিলেটরের একটি সিমুলেটেড সিস্টেম দ্বারা চালিত। অপ্রচলিত AI প্রকল্পটিকে একটি উদীয়মান "ফিজিক্যাল কম্পিউটিং সাবস্ট্রেট,"" এর একটি প্রদর্শন হিসাবে বর্ণনা করে এবং এটি মডেল ওজন, প্রশিক্ষণ কোড, এবং অ্যাবলেশন বিশ্লেষণ প্রকাশ্যে প্রকাশ করছে। For more context on this story, see our ongoing breaking AI news.
রিলিজটি দ্রুত বিকাশকারী সম্প্রদায়ের দৃষ্টি আকর্ষণ করেছে, হ্যাকার নিউজের প্রথম পৃষ্ঠায় পৌঁছেছে এবং GPU-এবং-ট্রান্সফরমার স্থিতাবস্থার বিকল্পগুলি বাস্তবসম্মতভাবে প্রতিদ্বন্দ্বিতা করতে পারে কিনা তা নিয়ে আলোচনার জন্ম দিয়েছে।
এর লঞ্চের গুণমানে প্রচলিত চিত্র প্রজন্মের সাথে মিলে যায়
Un-0 64x64 রেজোলিউশনে ক্লাস-কন্ডিশনাল ImageNet-এ FID 6.74 এ পৌঁছেছে। এফআইডি, বা ফ্রেচেট ইনসেপশন ডিসট্যান্স হল ইমেজ-জেনারেশন কোয়ালিটির একটি মানক পরিমাপ যেখানে কম হলে ভালো হয়। অপ্রচলিত AI বলে যে স্কোরগুলি প্রথম প্রকাশিত হওয়ার সময়ে প্রচলিত চিত্র তৈরির পদ্ধতিগুলির সাথে মেলে।
কোম্পানিটি স্পষ্ট যে আজকের সীমান্তে এখনও একটি ফাঁক রয়েছে। অত্যাধুনিক ডিফিউশন মডেলের সাপেক্ষে পরামিতি গণনার একটি ফাংশন হিসাবে Un-0 এখনও কার্যক্ষমতার ব্যবধান বন্ধ করে না। কিন্তু দলটি ধারণার প্রমাণ হিসাবে ফলাফলটিকে ফ্রেম করেছে যে আধুনিক AI ওয়ার্কলোডগুলি একটি শারীরিক সিস্টেমের গতিশীলতার সাথে ম্যাপ করা যেতে পারে।
"আমাদের জানামতে, একটি শারীরিক গতিশীল সিস্টেমের সিমুলেশন ব্যবহার করার জন্য Un-0 এখন পর্যন্ত সবচেয়ে সক্ষম ইমেজ জেনারেটর," কোম্পানিটি তার ঘোষণায় লিখেছে।
কিভাবে দোলকদের একটি জনসংখ্যা একটি ছবি আঁকে
Un-0-এর কম্পিউট ইঞ্জিন হল অসিলেটরগুলির একটি বিশাল জনসংখ্যা, প্রতিটি অন্যের সাথে মিলিত, যেখানে অসিলেটরগুলির প্রতিটি জোড়ার মধ্যে সংযোগের শক্তি হল মডেলের প্রাথমিক শিখনযোগ্য পরামিতি। সিস্টেমটি কুরামোটো অসিলেটর নামে পরিচিত যা ব্যবহার করে মডেল করা হয়েছে, যেখানে প্রতিটি অসিলেটর তার নিজস্ব প্রাকৃতিক ফ্রিকোয়েন্সিতে ঘোরে যখন প্রতিটি অন্য অসিলেটরের টান দ্বারা নাজ করা হয়।
কোম্পানি একটি স্বজ্ঞাত সাদৃশ্য প্রস্তাব. একটি ভাগ করা টেবিলে দুটি মেট্রোনোম পাশাপাশি টিক টিক করে দেখান। তারা একে অপরকে কতটা দৃঢ়ভাবে প্রভাবিত করে তার উপর নির্ভর করে, তারা লকস্টপে পড়ে বা বিরোধিতায় বসতি স্থাপন করে। দুটি অসিলেটর থেকে হাজার হাজারে স্কেল করুন এবং জনসংখ্যা নিদর্শনগুলিতে স্ব-সংগঠিত হয়।
Un-0 দিয়ে একটি ছবি তৈরি করা পাঁচটি ধাপ অনুসরণ করে। সিস্টেমটি এলোমেলোতা থেকে শুরু হয়, প্রতিটি অসিলেটরের পর্যায়কে একটি এলোমেলো কোণে সেট করে, যা গোলমালের বিচ্ছুরণ মডেল বা GAN নমুনার সমতুল্য বীজ হিসাবে কাজ করে। অসিলেটরের একটি দ্বিতীয়, ছোট গ্রুপ অনুরোধ করা ইমেজ ক্লাসকে এনকোড করে, যেমন ডেইজি বা আগ্নেয়গিরি, এবং প্রধান জনসংখ্যার সাথে মিলিত হয়। তারপর সিস্টেমটি রিলিজ করা হয়, অসিলেটরদের একে অপরের দিকে টানতে দেয় যতক্ষণ না তারা তাদের শেখা কাপলিং দ্বারা নির্ধারিত একটি রাষ্ট্রের দিকে স্থির হয়। ছবি একটি নির্দিষ্ট সময়ে পড়া হয় এবং একটি ডিকোডারের মাধ্যমে পাস করা হয়।
1,000x শক্তি-দক্ষতা থিসিস
গভীর প্রেরণা শক্তি। অপ্রচলিত AI-এর উল্লিখিত লক্ষ্য হল আধুনিক AI-কে আজকের মেশিনগুলির চেয়ে মোটামুটি **1,000 গুণ কম শক্তিতে চালানো।
যুক্তি হল যে একটি অসিলেটর হল একটি আদিম ভৌত বর্তনী। একটি কাপল-অসিলেটর সিস্টেম সরাসরি সিএমওএস বা অন্যান্য ভৌত সাবস্ট্রেটে প্রয়োগ করা যেতে পারে যাতে ডিভাইসের পদার্থবিদ্যা একটি প্রচলিত প্রসেসরে অনুকরণ না করে নিজেই গণনা করে। যদি পদার্থবিজ্ঞানের আইনগুলি AI কাজের চাপ কার্যকর করতে পারে, কোম্পানির যুক্তি, এক্সিকিউশন সাবস্ট্রেটটি আজকের GPU ক্লাস্টারগুলির থেকে আমূল আলাদা দেখতে পারে।
কোম্পানি নিউরোমরফিক কম্পিউটিং, হপফিল্ড নেটওয়ার্ক, জলাধার কম্পিউটিং, হ্যামিলটোনিয়ান এবং লিকুইড নেটওয়ার্ক, নিউরাল ওয়েভ মেশিন, থার্মোডাইনামিক কম্পিউটিং এবং কুরামোটো অসিলেটরগুলির পূর্বের কাজ সহ পদার্থবিজ্ঞান-ভিত্তিক কম্পিউটিং ধারণাগুলির একটি দীর্ঘ বংশের দিকে নির্দেশ করে৷ এটি একটি জৈবিক সমান্তরালও আঁকে: ছন্দবদ্ধ কার্যকলাপ এবং সিঙ্ক্রোনাইজেশন মস্তিষ্কে বিস্তৃত এবং দীর্ঘকাল ধরে গণনামূলক কাজ করার জন্য অনুমান করা হয়েছে, যেমন সুসংগত উপলব্ধিতে বিতরণ করা বৈশিষ্ট্যগুলিকে আবদ্ধ করা।
প্রারম্ভিক দিন, খোলা কোড, এবং একটি আমন্ত্রণ
অপ্রচলিত AI স্পষ্ট যে এটি একটি সমাপ্ত পণ্যের পরিবর্তে একটি শুরু। ভৌত আদিম Un-0 অন্বেষণ নতুন নয়, তবে কোম্পানি এটিকে একটি বৃহত্তর জেনারেটিভ বেঞ্চমার্কে স্কেল করেছে, গতিবিদ্যার একটি সূক্ষ্ম বিশ্লেষণ করেছে এবং মডেলের আচরণে একটি ব্যাখ্যামূলক চেহারা দিয়েছে।
ওজন এবং কোড প্রকাশ করার মাধ্যমে, দলটি অন্যদের জন্য শারীরিক গতিশীলতায় ভিত্তি করে মডেলগুলির সাথে পরীক্ষা করা সহজ করার আশা করে। সংস্থাটি বলেছে যে এটি বিশ্বাস করে যে গবেষকরা দ্রুত Un-0 ছাড়িয়ে যেতে পারেন এবং ক্ষেত্রটি এখনও শারীরিক গতিবিদ্যার উপর আধুনিক AI পুনরায় সেট করার এবং প্রায় 1,000x শক্তি-দক্ষতা অর্জনে পৌঁছানোর প্রচেষ্টার প্রাথমিক পর্যায়ে রয়েছে যা এটি অনুসরণ করছে।
আপাতত, Un-0 হল প্রোডাকশন ইমেজ মডেলগুলির জন্য ড্রপ-ইন প্রতিস্থাপনের পরিবর্তে একটি গবেষণা শিল্পকর্ম। কিন্তু এটি এমন একটি মুহুর্তে পৌঁছেছে যখন বৃহৎ AI সিস্টেম চালানোর শক্তি এবং খরচ একইভাবে উদ্যোগ এবং গবেষকদের জন্য একটি কেন্দ্রীয় উদ্বেগ হয়ে উঠেছে এবং এটি GPU-কেন্দ্রিক দৃষ্টান্তই এগিয়ে যাওয়ার একমাত্র উপায় কিনা তা নিয়ে প্রশ্ন তোলার আরও সৃজনশীল প্রচেষ্টার একটি প্রতিনিধিত্ব করে।
সূত্র: "Introducing Un-0: Generating Images with Coupled Oscillators," Unconventional AI, 25 জুন, 2026।---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
