एका दशकापासून, GPU वर डीप न्यूरल नेटवर्क कार्यान्वित केल्याने कृत्रिम बुद्धिमत्ता कशी तयार केली जाते हे परिभाषित केले आहे. अपारंपरिक AI नावाचा एक स्टार्टअप असे करत आहे की कार्यक्षमतेच्या पुढील झेपसाठी मूलभूतपणे वेगळ्या प्रकारच्या संगणकाची आवश्यकता असेल, जिथे भौतिकशास्त्राचे नियम थेट संगणन करतात.

25 जून 2026 रोजी, कंपनीने Un-0, एक प्रतिमा जनरेटर, जो जोडलेल्या ऑसिलेटरच्या सिम्युलेटेड सिस्टमद्वारे समर्थित आहे, रिलीज केला. अपरंपरागत AI प्रकल्पाचे वर्णन उदयोन्मुख "भौतिक संगणन सब्सट्रेट,"" चे प्रात्यक्षिक म्हणून करते आणि ते मॉडेलचे वजन, प्रशिक्षण कोड आणि पृथक्करण विश्लेषण उघडपणे सोडत आहे. For more context on this story, see our ongoing artificial intelligence updates.

रिलीझने विकसक समुदायामध्ये त्वरीत लक्ष वेधले, हॅकर न्यूजच्या पहिल्या पानावर पोहोचले आणि GPU-आणि-ट्रांसफॉर्मर स्थितीचे पर्याय वास्तविकपणे स्पर्धा करू शकतात की नाही याबद्दल चर्चा सुरू केली.

लाँच गुणवत्तेशी जुळणारे पारंपारिक प्रतिमा निर्मिती

Un-0 64x64 रेझोल्यूशनवर क्लास-कंडिशनल इमेजनेटवर FID 6.74 पर्यंत पोहोचते. FID, किंवा Fréchet Inception Distance, हे इमेज-जनरेशन गुणवत्तेचे मानक माप आहे जेथे कमी चांगले आहे. अपरंपरागत AI म्हणते की गुणवत्तेचा गुणवत्तेचा गुणवत्तेशी जुळणारा पारंपरिक प्रतिमा निर्मिती पद्धती ज्या वेळी प्रथम प्रकाशित झाल्या होत्या.

कंपनी स्पष्ट आहे की आजच्या सीमेवर अजूनही अंतर आहे. अत्याधुनिक डिफ्यूजन मॉडेल्सच्या सापेक्ष पॅरामीटर काउंटचे कार्य म्हणून Un-0 अद्याप कार्यक्षमतेतील अंतर बंद करत नाही. परंतु कार्यसंघ आधुनिक AI वर्कलोड्स भौतिक प्रणालीच्या गतिशीलतेवर मॅप केले जाऊ शकतात या संकल्पनेचा पुरावा म्हणून निकाल तयार करतो.

"आमच्या माहितीनुसार, फिजिकल डायनॅमिकल सिस्टिमचे सिम्युलेशन वापरण्यासाठी Un-0 हा आजपर्यंतचा सर्वात सक्षम इमेज जनरेटर आहे," कंपनीने आपल्या घोषणेमध्ये लिहिले आहे.

ऑसिलेटरची लोकसंख्या चित्र कसे काढते

Un-0 चे कंप्युट इंजिन हे ऑसिलेटर्सची मोठी लोकसंख्या आहे, प्रत्येक इतरांशी जोडलेले आहे, जिथे ऑसिलेटरच्या प्रत्येक जोडीमधील कपलिंग सामर्थ्य हे मॉडेलचे प्राथमिक शिकण्यायोग्य पॅरामीटर्स आहेत. कुरामोटो ऑसिलेटर म्हणून ओळखल्या जाणाऱ्या प्रणालीचा वापर करून प्रणालीचे मॉडेल केले जाते, ज्यामध्ये प्रत्येक ऑसिलेटर त्याच्या स्वतःच्या नैसर्गिक फ्रिक्वेन्सीनुसार फिरतो आणि इतर प्रत्येक ऑसीलेटरच्या खेचाने नज केला जातो.

कंपनी अंतर्ज्ञानी साधर्म्य देते. सामायिक केलेल्या टेबलवर शेजारी शेजारी टिकणारे दोन मेट्रोनोम चित्रित करा. ते एकमेकांवर किती जोरदारपणे प्रभाव टाकतात यावर अवलंबून, ते लॉकस्टेपमध्ये पडतात किंवा विरोधामध्ये सेटल होतात. दोन आंदोलकांपासून ते हजारो पर्यंत स्केल करा आणि लोकसंख्या नमुन्यांमध्ये स्वयं-संघटित होते.

Un-0 सह प्रतिमा निर्माण करणे पाच चरणांचे अनुसरण करते. प्रणाली यादृच्छिकतेपासून सुरू होते, प्रत्येक ऑसिलेटरच्या टप्प्याला यादृच्छिक कोनात सेट करते, जे आवाज प्रसारित मॉडेल किंवा GAN सॅम्पलच्या बरोबरीचे बीज म्हणून कार्य करते. ऑसीलेटर्सचा दुसरा, लहान गट विनंती केलेल्या प्रतिमा वर्गाला एन्कोड करतो, जसे की डेझी किंवा ज्वालामुखी, आणि मुख्य लोकसंख्येमध्ये जोडला जातो. त्यानंतर प्रणाली सोडली जाते, जोपर्यंत ते त्यांच्या शिकलेल्या कपलिंगद्वारे ठरविलेल्या स्थितीकडे स्थिर होईपर्यंत oscillators एकमेकांना ओढू देतात. प्रतिमा निश्चित वेळेत वाचल्या जातात आणि डीकोडरमधून पास केल्या जातात.

1,000x ऊर्जा-कार्यक्षमता थीसिस

सखोल प्रेरणा ऊर्जा आहे. अपारंपरिक AI चे सांगितलेले उद्दिष्ट आधुनिक AI ला आजच्या मशिन्सच्या आवश्यकतेपेक्षा अंदाजे **1,000 पट कमी उर्जेवर चालवण्याचे आहे.

तर्क असा आहे की ऑसिलेटर एक आदिम भौतिक सर्किट आहे. एक कपल्ड-ऑसिलेटर प्रणाली थेट CMOS किंवा इतर भौतिक सब्सट्रेट्समध्ये लागू केली जाऊ शकते जेणेकरुन डिव्हाइसचे भौतिकशास्त्र पारंपारिक प्रोसेसरवर अनुकरण करण्याऐवजी स्वतःच गणना करते. जर भौतिकशास्त्राचे कायदे एआय वर्कलोड्स अंमलात आणू शकतील, तर कंपनीचे म्हणणे आहे, अंमलबजावणी सब्सट्रेट आजच्या GPU क्लस्टर्सपेक्षा पूर्णपणे भिन्न दिसू शकते.

कंपनी भौतिकशास्त्र-आधारित संगणन कल्पनांच्या दीर्घ वंशाकडे निर्देश करते, ज्यात न्यूरोमॉर्फिक संगणन, हॉपफिल्ड नेटवर्क्स, रिझर्वोअर कंप्युटिंग, हॅमिलटोनियन आणि लिक्विड नेटवर्क्स, न्यूरल वेव्ह मशीन्स, थर्मोडायनामिक संगणन आणि कुरामोटो ऑसिलेटर्सवरील पूर्वीचे काम यांचा समावेश आहे. हे एक जैविक समांतर देखील काढते: तालबद्ध क्रियाकलाप आणि सिंक्रोनाइझेशन मेंदूमध्ये व्यापक आहेत आणि बर्याच काळापासून संगणकीय कार्य करण्यासाठी गृहित धरले गेले आहे, जसे की सुसंगत धारणांमध्ये वितरित वैशिष्ट्ये बांधणे.

सुरुवातीचे दिवस, खुले कोड आणि आमंत्रण

अपारंपरिक एआय स्पष्ट आहे की ही तयार उत्पादनाऐवजी सुरुवात आहे. भौतिक आदिम Un-0 अन्वेषण नवीन नाही, परंतु कंपनीने ते एका मोठ्या जनरेटिव्ह बेंचमार्कमध्ये वाढवले ​​आहे, गतिशीलतेचे अस्पष्ट विश्लेषण केले आहे आणि मॉडेलच्या वर्तनावर एक व्याख्यात्मक देखावा ऑफर केला आहे.

वजन आणि कोड रिलीझ करून, संघाला आशा आहे की भौतिक गतिशीलतेवर आधारित मॉडेल्ससह प्रयोग करणे इतरांसाठी सोपे होईल. कंपनीचे म्हणणे आहे की संशोधक त्वरीत Un-0 च्या पलीकडे पुढे जाऊ शकतात आणि हे क्षेत्र अद्याप भौतिक गतिशीलतेवर आधुनिक AI पुन्हा स्थापित करण्याच्या प्रयत्नात लवकर आहे आणि अंदाजे 1,000x ऊर्जा-कार्यक्षमतेपर्यंत पोहोचत आहे.

आत्तासाठी, उत्पादन प्रतिमा मॉडेल्ससाठी ड्रॉप-इन बदलण्याऐवजी Un-0 ही एक संशोधन कलाकृती आहे. परंतु हे अशा क्षणी येते जेव्हा मोठ्या AI प्रणाली चालवण्याची ऊर्जा आणि खर्च ही एंटरप्राइजेस आणि संशोधकांसाठी एकसारखीच एक केंद्रीय चिंता बनली आहे आणि GPU-केंद्रित प्रतिमान हाच पुढे जाण्याचा एकमेव मार्ग आहे की नाही या प्रश्नाच्या अधिक सर्जनशील प्रयत्नांपैकी एक प्रतिनिधित्व करतो.

स्रोत: "Introducing Un-0: Generating Images with Coupled Oscillators," Unconventional AI, 25 जून 2026.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →