شکل 1: ڈینس ویو لینتھ ڈویژن ملٹی پلیکسنگ کو-پیکیجڈ آپٹکس (DWDMCPO) کے اہم فوائد۔ (تصویری کریڈٹ: سینٹل فوٹوونکس)
ڈیٹا سینٹر کے ڈیزائن کے شعبے میں ایک کہاوت ہے: "جہاں بھی ممکن ہو، تانبے کی کیبلز کا استعمال کریں، اور آپٹیکل ٹیکنالوجی کا سہارا صرف اس صورت میں لیں جب فائبر بالکل ضروری ہو۔" سالوں سے، صنعت کا عملی نقطہ نظر یہ رہا ہے کہ کم-قیمت والے تانبے کی کیبلز کو ترجیح دی جائے جب تک کہ طبیعیات کے قوانین تکنیکی اپ گریڈ کو مجبور نہ کریں۔ لیکن آج، جیسا کہ مصنوعی ذہانت (AI) کمپیوٹنگ کلسٹرز لاکھوں گرافکس پروسیسنگ یونٹس (GPUs) کو تعینات کرنے والے "کمپیوٹنگ پاور فیکٹریوں" کے پیمانے کی طرف بڑھ رہے ہیں، اور ڈیٹا سینٹر کی لاگت-مؤثریت کو بہت زیادہ دباؤ کا سامنا ہے، لوگوں کو معلوم ہو رہا ہے کہ یہ "کوئی-آپٹکس کے مقابلے میں جلد ہی تکنیکی نقطہ نظر سے بہت دور پہنچ گیا ہے- کسی نے متوقع.
نیٹ ورک آرکیٹیکٹس طویل عرصے سے اس بات سے آگاہ ہیں کہ تانبے کی کیبلز میں تیز رفتار-منظریات کے تحت ٹرانسمیشن فاصلے میں اہم حدود ہیں، لیکن چند لوگوں نے بنیادی جسمانی نقطہ نظر سے بنیادی وجوہات کا تجزیہ کیا ہے۔ اگرچہ نیٹ ورک انجینئرز نے اپنی مہارت سے تانبے کی کیبل کی ترسیل کے فاصلے اور بینڈوتھ کی حدوں کو انتہائی حد تک دھکیل دیا ہے، لیکن طبیعیات کے قوانین کی رکاوٹوں کو دور نہیں کیا جا سکتا۔ یہاں تک کہ انتہائی ذہین انجینئرنگ ڈیزائن بھی تانبے کی تاروں کی موروثی حدود کو دور کرنے کے لیے جدوجہد کرتے ہیں۔ اس کو سمجھنا اس بات کی وضاحت کرتا ہے کہ صنعت فوری طور پر Co-Packaged Optics (CPO) ٹیکنالوجی کی طرف کیوں جا رہی ہے۔
تانبے کی تاروں کے ذریعے منتقل ہونے والے برقی سگنلز کی فریکوئنسی جتنی زیادہ ہوگی، علامت کی شرح اور بینڈوتھ اتنی ہی زیادہ ہوگی، اور وہ اتنی ہی زیادہ معلومات لے جاسکتے ہیں۔ مسئلہ یہ ہے کہ جیسے جیسے سگنل کی فریکوئنسی بڑھتی ہے، ٹرانسمیشن کا فاصلہ نمایاں طور پر کم ہوجاتا ہے۔ سگنل ضائع ہونے کی دو بنیادی وجوہات ہیں: جلد کا اثر اور ڈائی الیکٹرک نقصان۔
جلد کا اثر: موجودہ کی "سطح کا ارتکاز"
جب ایک AC سگنل تانبے کی کیبل کے ذریعے سفر کرتا ہے، تو بدلتا ہوا مقناطیسی میدان کنڈکٹر کے اندر ایڈی کرنٹ کو آمادہ کرتا ہے۔ ان تیز دھاروں سے پیدا ہونے والا مقناطیسی میدان کیبل کے مرکز میں سگنل مقناطیسی میدان کو منسوخ کر دیتا ہے۔ سگنل کی مقناطیسی فیلڈ جتنی تیزی سے تبدیل ہوتی ہے-یعنی فریکوئنسی اتنی ہی زیادہ ہوتی ہے-اس منسوخی کا اثر اتنا ہی مضبوط ہوتا ہے۔
براہ راست نتیجہ یہ ہے کہ کرنٹ کو موصل کی ایک انتہائی پتلی سطح کی تہہ میں "نچوڑا" جاتا ہے۔ اس تہہ کی موٹائی کو جلد کی گہرائی کہا جاتا ہے۔ AI ڈیٹا سینٹرز میں موجودہ سگنل ٹرانسمیشن عام طور پر 53 GHz کے ارد گرد فریکوئنسی استعمال کرتی ہے۔ اس فریکوئنسی پر، تانبے کی کیبلز کی جلد کی گہرائی صرف 0.3 μm ہے۔ اس طرح کی ایک پتلی ٹرانسمیشن پرت کنڈکٹر کے کراس-سیکشنل ایریا کا 1% سے بھی کم استعمال کرتی ہے، جس کی وجہ سے کیبل کی مزاحمت آسمان کو چھوتی ہے-یہاں تک کہ ڈی سی کی مزاحمت 100 گنا سے بھی زیادہ ہوتی ہے۔
ڈائی الیکٹرک نقصان: موصلیت کی تہہ میں "توانائی کی کھپت"
تانبے کی کیبلز میں سگنل کی کشیدگی کے پیچھے ایک اور بڑا مجرم ڈائی الیکٹرک نقصان ہے۔ گیگاہرٹز کی سطح پر اعلی-تعدد کے منظرناموں میں، کیبل کے انسولیٹنگ ڈائی الیکٹرک کے اندر موجود مالیکیول برقی میدان کے تیز اتار چڑھاؤ کے ساتھ رفتار برقرار نہیں رکھ سکتے۔ برقی میدان کے تیز اتار چڑھاؤ اور مالیکیولز کے پیچھے رہ جانے والے ردعمل کے درمیان تاخیر سگنل کی برقی مقناطیسی توانائی کو تھرمل توانائی میں بدل دیتی ہے، جس کے نتیجے میں توانائی ضائع ہوتی ہے۔
دوہری نقصانات: تانبے کی تاروں کی مہلک کمزوری۔
جب جلد کا اثر اور ڈائی الیکٹرک نقصان کنسرٹ میں کام کرتا ہے، تو تانبے کی تاروں میں سگنل کا نقصان تیزی سے بڑھ جاتا ہے جیسے ہی تعدد بڑھتا ہے۔
اس کو واضح طور پر بیان کرنے کے لیے: 50 GHz کی فریکوئنسی پر، یہاں تک کہ اعلی-معیاری کاپر کیبلز کے ساتھ، ان دونوں اثرات سے مشترکہ نقصان 2 میٹر ٹرانسمیشن فاصلے کے اندر سگنل پاور بجٹ کا 90% سے زیادہ خرچ کر دے گا۔ تانبے کی کیبلز کی طبعی خصوصیات ایک ناقابل مصالحت بنیادی تضاد کا حکم دیتی ہیں: بینڈوتھ اور ٹرانسمیشن فاصلہ ایک ساتھ حاصل نہیں کیا جا سکتا۔
ڈینس ویو لینتھ ڈویژن ملٹی پلیکسنگ کو-پیکیجڈ آپٹکس (DWDMCPO)
آج، AI ٹریننگ کلسٹرز کے لیے کارکردگی کی رکاوٹ فلوٹنگ-پوائنٹ آپریشنز فی سیکنڈ (FLOPS) سے بینڈوتھ کی ضروریات میں منتقل ہو گئی ہے۔
مسلسل میموری کے ساتھ توسیع پذیر نیٹ ورکس میں، متعدد مطالبات کو پورا کرنے کے لیے نیٹ ورکنگ ٹیکنالوجی کی ایک نئی نسل کی ضرورت ہے:
|چونکہ ڈیٹا سینٹر کی تعیناتیوں میں بجلی کی کھپت ایک محدود عنصر بن جاتی ہے، فی بٹ کم بجلی کی کھپت کی ضرورت ہوتی ہے۔
| چونکہ فلوٹنگ-پوائنٹ آپریشنز اب رکاوٹ نہیں ہیں، اس لیے ہر پروسیسر کے لیے زیادہ بینڈوتھ فراہم کی جانی چاہیے۔
| چونکہ فائبر کی تعیناتی کے لیے جسمانی جگہ محدود ہو جاتی ہے، زیادہ انضمام کی کثافت حاصل کی جانی چاہیے۔
| کراس-ریک افقی اسکیلنگ کو فعال کرنے کے لیے، طویل ٹرانسمیشن فاصلے کو سپورٹ کرنا ضروری ہے؛
| میموری ڈومین کی مستقل مزاجی کو برقرار رکھنے اور GPU کے استعمال کو بہتر بنانے کے لیے، الٹرا-کم ٹیل لیٹینسی کی ضرورت ہے۔
| اعلی وشوسنییتا اور دیکھ بھال میں آسانی بھی ضروری ہے۔
جب ٹیل لیٹینسی ایک بنیادی رکاوٹ بن جاتی ہے، تو مندرجہ بالا تقاضوں کو پورا کرنے سے GPU کے استعمال کو نمایاں طور پر فروغ ملے گا (کچھ ماڈل تخمینے بتاتے ہیں کہ استعمال دوگنا سے بھی زیادہ ہو سکتا ہے)، نیٹ ورک کی بجلی کی کھپت کو کافی حد تک کم کرے گا، اور ماڈل کی کارکردگی کو ختم کرنے-سے{1}}بہتر ہو جائے گا۔ فی الحال، DWDMCPO واحد تکنیکی نقطہ نظر ہے جو بیک وقت ان سخت تقاضوں کو پورا کرنے کے قابل ہے، اور یہ ہائپر اسکیل ڈیٹا سینٹر آپریٹرز کے لیے بہت زیادہ-پہنچنے والی لاگت-فائدے میں تبدیلی لائے گا۔
ایک فائبر پر روشنی کی متعدد طول موجوں کو منتقل کرکے، DWDMCPO ٹیکنالوجی ہر GPU کو متعدد چوڑے، کم-اسپیڈ چینلز فراہم کرتی ہے۔ منتقلی طول موج کی تعداد کو 1 سے 8، 16، یا اس سے بھی زیادہ کرنے سے، یہ جیومیٹرک اسکیلنگ پیٹرن AI نیٹ ورکس میں انقلاب لانے کے لیے تیار ہے، جس طرح DWDM ٹیکنالوجی نے 25 سال پہلے انٹرنیٹ کی ریڑھ کی ہڈی میں انقلاب برپا کیا تھا۔
DWDM کی واحد-چینل ٹرانسمیشن کی شرح تقریباً 50–64 Gbit/s ہے، جو کہ کم-اسپیڈ ٹرانسمیشن کے زمرے میں آتی ہے۔ یہ خصوصیت انجینئرز کو PAM4 سے NRZ تک ڈیٹا انکوڈنگ سکیم کو آسان بنانے کی اجازت دیتی ہے۔ یہ سادگی سگنل کی ترسیل کے راستے کو ہموار کرکے بجلی کی کھپت اور تاخیر میں دوہری کمی کو حاصل کرنے کے لیے متعدد مہنگے اور پاور-سگنل پروسیسنگ مراحل کو ختم کرتی ہے۔
ٹیل لیٹینسی ڈیٹا سینٹر ROI کو ختم کرنے والا "خاموش قاتل" ہے۔ جب GPU کلسٹرز ڈیٹا ٹوکنز پر کارروائی کرتے ہیں، تو انہیں ایک مسلسل، متوقع بٹ اسٹریم ان پٹ کی ضرورت ہوتی ہے۔ اگر ایک بھی بٹ ٹرانسمیشن میں تاخیر کا تجربہ کرتا ہے، تو باقی کلسٹر بیکار ہو جاتا ہے، جس سے پروسیسر کے استعمال میں نمایاں کمی واقع ہوتی ہے۔ جیسے جیسے کلسٹر میں پروسیسرز کی تعداد میں اضافہ ہوتا ہے، p999 لیول ٹیل بٹ لیٹنسی کا امکان نمایاں طور پر بڑھ جاتا ہے، اور اسی کے مطابق پروسیسر کے استعمال میں کمی آتی ہے۔
کم-لیٹنسی، کم-پاور، لمبی-رینج DWDMCPO ٹیکنالوجی کے بغیر، نیٹ ورکس کی اسکیل ایبلٹی محدود ہوگی، اور بڑے لینگویج ماڈلز (LLMs) کی کارکردگی اس کے نتیجے میں محدود ہوگی۔ بڑے-اسکیل، فلٹر، کم-لیٹنسی سکیل ایبل نیٹ ورک بڑی کلید-ویلیو کیچز کو سپورٹ کر سکتے ہیں، براہ راست ماڈل کے سیاق و سباق کی ونڈو کے سائز اور مواد کی مطابقت کو بڑھاتے ہیں، اس طرح LLM کی موثر ورکنگ میموری کو مؤثر طریقے سے بڑھاتے ہیں۔ کم-بلٹینسی بینڈوڈتھ میں اضافہ ٹرانسفارمر تہوں کی تعداد میں اضافہ کرنے کی صلاحیت بھی رکھتا ہے، جو ماڈلز کو گہری سوچ اور استدلال کی صلاحیتوں کے مالک ہونے کے قابل بناتا ہے۔ مختصراً: چپس کے درمیان مواصلاتی رکاوٹوں کو توڑنا LLMs کو ورکنگ میموری میں مزید معلومات ذخیرہ کرنے اور ہکلائے بغیر مزید استدلال کے مراحل کو مکمل کرنے کی اجازت دیتا ہے۔
کاپر کیبلنگ بلاشبہ اپنے زمانے میں ایک بہترین ٹیکنالوجی تھی، لیکن اس کی فطری جسمانی حدود نے ہائپر اسکیل ڈیٹا سینٹرز کے لیے سرمایہ کاری پر واپسی کو نمایاں طور پر بہتر بنانے اور LLMs کی صلاحیتوں کو بڑھانے کے لیے مزید جدید نیٹ ورکنگ ٹیکنالوجیز کی فوری ضرورت پیدا کردی ہے۔
چند سالوں میں، مکمل طور پر تانبے کی کیبلنگ پر بنائے گئے AI ڈیٹا سینٹرز اتنے ہی ناقابل تصور ہو جائیں گے جتنا کہ لمبا-دوری کا انٹرنیٹ کنیکشن صرف تانبے پر انحصار کرتے ہیں۔
ہائپر اسکیل ڈیٹا سینٹرز کے آپریٹرز، سرمایہ کاروں، LLM ڈویلپرز، اور AI انفراسٹرکچر میں دیگر اسٹیک ہولڈرز کو اس تکنیکی رجحان کو سنجیدگی سے لینا چاہیے: یہ نہ صرف بنیادی طور پر ڈیٹا سینٹرز کی لاگت-تاثیریت کے منظر نامے کو تبدیل کرے گا بلکہ AI صلاحیتوں کی حدود کو مسلسل بڑھا دے گا۔ وہ کاروباری ادارے جو پہلے DWDMCPO ٹیکنالوجی کو اپناتے ہیں وہ لاگت، بجلی کی کھپت اور کارکردگی کے لحاظ سے تعمیراتی فوائد قائم کریں گے۔ یہ فوائد AI کے بنیادی ڈھانچے کے بڑھتے ہی بڑھتے رہیں گے۔
