उत्तरप्रकाशित2 घंटे पहलेLast edited 2 घंटे पहले20 स्रोत

सिंगापुर के 1.6 करोड़ जीवित न्यूरॉन वाले डेटा सेंटर की पूरी कहानी

सिंगापुर का प्रोटोटाइप 20 CL1 यूनिट्स का एक रैक है, जिसमें करीब 1.6 करोड़ प्रयोगशाला में विकसित मानव कॉर्टिकल न्यूरॉन्स हैं। सिलिकॉन माइक्रोइलेक्ट्रोड ऐरे न्यूरॉन्स को विद्युत संकेत भेजते और उनकी गतिविधि रिकॉर्ड करते हैं; biOS सॉफ्टवेयर इस जैविक प्रोसेसर को डिजिटल सिस्टम से जोड़ता है। फिलहाल इसका मुख्य उद्देश्य बीमा...

Studio Global AI के साथ खोजें और तथ्यों की जांच करें और ट्रेंडिंग पेज देखें

शोध उत्तर

मुख्य निष्कर्ष

सिंगापुर का प्रोटोटाइप 20 CL1 यूनिट्स का एक रैक है, जिसमें करीब 1.6 करोड़ प्रयोगशाला में विकसित मानव कॉर्टिकल न्यूरॉन्स हैं।
सिलिकॉन माइक्रोइलेक्ट्रोड ऐरे न्यूरॉन्स को विद्युत संकेत भेजते और उनकी गतिविधि रिकॉर्ड करते हैं; biOS सॉफ्टवेयर इस जैविक प्रोसेसर को डिजिटल सिस्टम से जोड़ता है।
फिलहाल इसका मुख्य उद्देश्य बीमारी, दवाओं, सीखने और विशेष अनुकूलनशील कंप्यूटिंग पर शोध है—न कि सामान्य AI कार्यों के लिए GPU की जगह लेना।

Illustration of a biological data center rack combining living human neurons with silicon computing hardware — What is Singapore’s biological data center prototype unveiled by the National University of Singapore in July and publicly showcased in AuguAn editorial illustration of the biological-computing concept behind Singapore’s 20-unit CL1 prototype.
AI संकेत
Create a landscape editorial hero image for this Studio Global article: What is Singapore’s biological data center prototype unveiled by the National University of Singapore in July and publicly showcased in Augu. Article summary: Singapore’s prototype is a small “wetware” data-centre rack: 20 Cortical Labs CL1 biological computers at NUS, combining lab-grown human cortical neurons with conventional silicon electronics. It was activated in July 20. Topic tags: general, general web, user generated, government, education. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, wat
openai.com

पहली नजर में यह किसी साइंस-फिक्शन फिल्म का दृश्य लग सकता है: सर्वर रैक में सिलिकॉन चिप्स के साथ जीवित मानव न्यूरॉन्स। लेकिन सिंगापुर का नया बायोलॉजिकल डेटा सेंटर कोई छोटा मानव मस्तिष्क या पारंपरिक सुपरकंप्यूटर नहीं है। इसे बेहतर ढंग से एक ‘वेटवेयर’ रिसर्च रैक कहा जा सकता है—ऐसी कंप्यूटिंग व्यवस्था जिसमें जीवित न्यूरल नेटवर्क और डिजिटल हार्डवेयर मिलकर काम करते हैं।

यह प्रोटोटाइप सिंगापुर के National University of Singapore (NUS) के Life Sciences Institute में स्थापित है। इसमें Cortical Labs की 20 CL1 बायोलॉजिकल-कंप्यूटिंग यूनिट्स हैं। सिस्टम 16 जुलाई 2026 को चालू हुआ और 6 अगस्त को 80 से अधिक आमंत्रित मेहमानों के सामने इसका प्रदर्शन किया गया। 4 12

यह सिस्टम काम कैसे करता है?

इस व्यवस्था में सिलिकॉन को पूरी तरह हटाया नहीं गया है। इसके बजाय सिलिकॉन हार्डवेयर और जीवित न्यूरॉन्स के बीच एक लगातार चलने वाला फीडबैक लूप बनाया गया है। मोटे तौर पर प्रक्रिया इस तरह होती है:

सॉफ्टवेयर किसी सूचना को विद्युत संकेतों में बदलता है।
माइक्रोइलेक्ट्रोड ऐरे ये संकेत न्यूरॉन्स के चुने हुए हिस्सों तक पहुंचाता है।
न्यूरॉन्स विद्युत स्पाइकिंग के पैटर्न के रूप में प्रतिक्रिया देते हैं।
वही ऐरे न्यूरॉन्स की गतिविधि को रिकॉर्ड करता है।
सॉफ्टवेयर इस गतिविधि को आउटपुट में बदलता है या अगले इनपुट को समायोजित करता है।

इसमें जीवित न्यूरल नेटवर्क एक अनुकूलनशील जैविक प्रोसेसर की तरह भूमिका निभाता है। नियंत्रण, रिकॉर्डिंग, डेटा इंटरफेस और बाकी बुनियादी ढांचा सिलिकॉन हार्डवेयर संभालता है। Cortical Labs का biOS सॉफ्टवेयर प्रयोगों को कॉन्फिगर करने, इनपुट भेजने, न्यूरल प्रतिक्रिया पढ़ने और इस जैविक प्रोसेसर को सामान्य कंप्यूटिंग सिस्टम से जोड़ने के लिए बनाया गया है। 4 7

इसलिए इसे ‘मानव दिमाग से चलने वाला सुपरकंप्यूटर’ कहना भ्रामक होगा। यह नियंत्रित परिस्थितियों में न्यूरॉन्स की प्रतिक्रिया और अनुकूलन क्षमता का अध्ययन करने वाली एक प्रयोगात्मक कंप्यूटिंग प्रणाली है।

इसमें कौन-कौन शामिल है?

इस परियोजना की जिम्मेदारियां तीन साझेदारों में बांटी गई हैं:

NUS Medicine और NUS Life Sciences Institute: स्टेम-सेल से विकसित न्यूरॉनल कल्चर तैयार करते हैं और वैज्ञानिक शोध का नेतृत्व करते हैं।
DayOne: डेटा सेंटर का स्थान, संचालन व्यवस्था और डिजिटल इंफ्रास्ट्रक्चर उपलब्ध कराता है।
Cortical Labs: CL1 बायोलॉजिकल कंप्यूटर, न्यूरॉन्स को जीवित रखने वाली प्रणालियां और संबंधित सॉफ्टवेयर स्टैक उपलब्ध कराता है। 1 4

इसका मतलब है कि यह केवल विश्वविद्यालय की प्रयोगशाला में रखे गए सर्वरों का रैक नहीं है। इसे चलाने के लिए डेटा सेंटर संचालन के साथ-साथ सेल कल्चर, स्वच्छता, निगरानी और जैविक रखरखाव की विशेषज्ञता भी जरूरी है।

जीवित न्यूरॉन्स को कैसे जिंदा रखा जाता है?

सिलिकॉन प्रोसेसर को बिजली और कूलिंग चाहिए; CL1 यूनिट को इसके अलावा लगातार जैविक देखभाल भी चाहिए। इसकी लाइफ-सपोर्ट प्रणाली न्यूरॉनल कल्चर को लगभग छह महीने तक जीवित रखने के लिए बनाई गई है। पोषक माध्यम को नियमित रूप से बदलना पड़ता है। सिंगापुर की स्थापना के बारे में उपलब्ध रिपोर्टों में यह अंतराल लगभग हर तीन दिन बताया गया है। 7 12 39

छह महीने के बाद कल्चर को अनिश्चितकाल तक चलाते रहना संभव नहीं है; उसे बदलना पड़ता है। यह प्रक्रिया खराब सर्किट बोर्ड बदलने जैसी सरल नहीं है। इसमें नई कोशिकाएं तैयार करना, उन्हें स्वच्छ और नियंत्रित वातावरण में विकसित करना, कल्चर की गुणवत्ता जांचना और संभवतः नए न्यूरल नेटवर्क को संबंधित कार्य के लिए फिर से प्रशिक्षित करना शामिल हो सकता है।

क्या यह Nvidia H100 से ज्यादा ऊर्जा-कुशल है?

Cortical Labs के अनुसार, एक CL1 यूनिट की बिजली खपत करीब 25 वॉट है। सहायक उपकरणों सहित पूरे 20-यूनिट रैक की खपत का अनुमान लगभग 800 से 1,000 वॉट बताया गया है। 1

तुलना के लिए, उपलब्ध कवरेज में Nvidia H100 GPU की अधिकतम thermal design power करीब 700 वॉट बताई गई है। केवल बिजली खपत देखें तो पूरा प्रोटोटाइप रैक लगभग एक से डेढ़ H100 GPU के दायरे में आता है। 1 51

लेकिन यह तुलना पूरी कहानी नहीं बताती। अभी तक सिंगापुर परियोजना ने throughput, accuracy, latency, training time, संचालन लागत या उपयोगी काम के आधार पर H100 या GPU क्लस्टर के साथ कोई समान-आधार वाला सार्वजनिक बेंचमार्क जारी नहीं किया है। इसलिए इसे सामान्य AI इंफ्रास्ट्रक्चर का सिद्ध रूप से कम-ऊर्जा वाला विकल्प कहना जल्दबाजी होगी। 1 6

इसकी संभावित उपयोगिता उन विशेष अनुकूलनशील कार्यों में हो सकती है जहां वातावरण बदलता रहता है, प्रशिक्षण डेटा सीमित होता है या समस्या पारंपरिक GPU के दोहराव-आधारित काम से अलग होती है।

DishBrain प्रयोग ने कैसे रास्ता बनाया?

सिंगापुर का प्रोटोटाइप Cortical Labs के पहले के DishBrain शोध पर आधारित है। 2022 के इस प्रयोग में मानव induced-pluripotent-stem-cell-derived न्यूरॉन्स और चूहे के कॉर्टिकल न्यूरॉन्स को high-density multielectrode arrays पर विकसित किया गया था। इन्हें Pong के एक सरल डिजिटल संस्करण से जोड़ा गया।

इलेक्ट्रोड गेम की स्थिति से जुड़ी सूचना न्यूरॉन्स तक पहुंचाते थे, जबकि न्यूरल गतिविधि से पैडल को नियंत्रित किया जाता था। प्रदर्शन के आधार पर कल्चर को अलग-अलग विद्युत फीडबैक मिलता था। शोधकर्ताओं ने समय के साथ गेमप्ले में सुधार की रिपोर्ट की; समान फीडबैक के बिना नियंत्रण परिस्थितियों में वैसा सीखने का प्रभाव नहीं दिखा। 17 18 19

DishBrain ने यह साबित नहीं किया कि न्यूरॉन्स सामान्य उद्देश्य वाला कंप्यूटर बना सकते हैं। इसने केवल यह दिखाया कि प्रयोगशाला में विकसित न्यूरल नेटवर्क को सीमित डिजिटल वातावरण में रखकर किसी कार्य के अनुसार उसकी गतिविधि को अनुकूलित होते देखा जा सकता है। सिंगापुर का रैक इसी मूल चक्र—विद्युत इनपुट, जीवित न्यूरल प्रतिक्रिया और रिकॉर्ड किया गया आउटपुट—को अधिक व्यवस्थित CL1 मॉड्यूल्स में लागू करता है।

इसके संभावित उपयोग क्या हैं?

निकट भविष्य में इसके सबसे विश्वसनीय उपयोग शोध-केंद्रित दिखाई देते हैं:

बीमारी का मॉडल बनाना: अलग-अलग जैविक परिस्थितियों में न्यूरल सिस्टम की प्रतिक्रिया का अध्ययन।
दवा और विषाक्तता परीक्षण: संभावित दवाओं या रासायनिक यौगिकों पर न्यूरॉनल कल्चर की प्रतिक्रिया देखना।
न्यूरोसाइंस: सीखने, अनुकूलन और जीवित न्यूरल नेटवर्क के व्यवहार को समझना।
विशेष कंप्यूटिंग: ऐसे चुनिंदा AI या रोबोटिक्स कार्यों का परीक्षण जिनमें बदलते वातावरण या सीमित प्रशिक्षण डेटा महत्वपूर्ण हों। 4 6

ये उपयोग बड़े भाषा मॉडल चलाने या GPU स्तर पर बड़े पैमाने के AI कार्य करने से अलग हैं। बायोलॉजिकल कंप्यूटिंग को फिलहाल सिलिकॉन का संभावित पूरक माना जा रहा है, सार्वभौमिक विकल्प नहीं।

क्या 20 यूनिट्स से बढ़कर 1,000 यूनिट्स हो सकता है?

साझेदारों ने भविष्य में CL1 यूनिट्स की संख्या बढ़ाकर 1,000 तक करने की संभावना पर चर्चा की है। हालांकि यह अभी नियामकीय मंजूरी, सुरक्षा परीक्षण, ऊर्जा-कुशलता के परिणामों और बड़े पैमाने पर विश्वसनीय संचालन पर निर्भर एक महत्वाकांक्षा है—प्रमाणित विस्तार योजना नहीं। 12

1,000 यूनिट्स का केंद्र बनाने का मतलब केवल मौजूदा रैक में 980 मशीनें और जोड़ देना नहीं होगा। इसके लिए कई चुनौतियों का समाधान करना पड़ेगा:

एक समान गुणवत्ता वाली कोशिकाओं का उत्पादन;
स्वचालित पोषक-माध्यम आपूर्ति और कल्चर बदलने की व्यवस्था;
स्टेराइल हैंडलिंग और लगातार गुणवत्ता नियंत्रण;
अलग-अलग कल्चर की उम्र और व्यवहार में अंतर से निपटने की प्रक्रिया;
भरोसेमंद नेटवर्किंग और फॉल्ट टॉलरेंस;
नए कल्चर के लिए कार्य-विशिष्ट अनुकूलन या प्रशिक्षण।

अभी कौन से सवाल अनसुलझे हैं?

विश्वसनीयता और दोहराने योग्य परिणाम

जीवित कल्चर अलग-अलग बैच में अलग व्यवहार कर सकते हैं। वे समय के साथ परिपक्व होते हैं, बदलते हैं और अंततः कमजोर पड़ते हैं। शोधकर्ताओं को यह तय करने के लिए मानकीकृत तरीके चाहिए होंगे कि किसी कल्चर का प्रदर्शन कब तक स्वीकार्य है। कल्चर बदलने पर पहले से विकसित कार्य-विशिष्ट अनुकूलन नए नेटवर्क में अपने-आप स्थानांतरित होगा या नहीं, यह भी स्पष्ट नहीं है।

वास्तविक लागत

बिजली का बिल कुल लागत का केवल एक हिस्सा है। पोषक माध्यम, स्टेराइल सामग्री, प्रयोगशाला स्थान, प्रशिक्षित तकनीशियन, गुणवत्ता नियंत्रण, नई कोशिकाओं की तैयारी और संभावित डाउनटाइम भी खर्च बढ़ाते हैं। इसलिए कम बिजली खपत का लाभ जैविक रखरखाव की लागत से कम हो सकता है।

बड़े पैमाने पर विस्तार

20 यूनिट्स वाला रैक अभी शोध वातावरण में चलने वाला प्रोटोटाइप है। 1,000 यूनिट्स पर संचालन यह परखेगा कि सेल उत्पादन, रखरखाव, सॉफ्टवेयर नियंत्रण और डेटा सेंटर इंफ्रास्ट्रक्चर एक साथ कितनी आसानी से बढ़ सकते हैं।

व्यावहारिक प्रदर्शन

मौजूदा प्रमाण यह दिखाते हैं कि नियंत्रित closed-loop प्रयोगों में विकसित न्यूरॉनल कल्चर अनुकूलन कर सकते हैं। लेकिन अभी यह साबित नहीं हुआ है कि CL1 सिस्टम व्यावसायिक रूप से महत्वपूर्ण कार्यों में GPU से बेहतर है या उसकी कुल लागत कम है। यही प्रदर्शन-संबंधी प्रमाण तय करेगा कि बायोलॉजिकल कंप्यूटिंग एक व्यावहारिक इंफ्रास्ट्रक्चर श्रेणी बन सकती है या नहीं।

निष्कर्ष

सिंगापुर का प्रोटोटाइप बायोलॉजिकल रूप से एकीकृत कंप्यूटिंग का महत्वपूर्ण प्रदर्शन है। इसमें 20 CL1 यूनिट्स, करीब 1.6 करोड़ जीवित मानव कॉर्टिकल न्यूरॉन्स, सिलिकॉन माइक्रोइलेक्ट्रोड ऐरे और सॉफ्टवेयर एक ही प्रयोगात्मक प्रणाली में काम करते हैं।

इसकी सबसे मजबूत संभावनाएं न्यूरोसाइंस, बीमारी के मॉडल, दवा अनुसंधान और विशेष अनुकूलनशील कंप्यूटिंग में हैं। फिलहाल इसे GPU डेटा सेंटर का विकल्प कहने के बजाय यह समझना अधिक सटीक है कि यह जीवित न्यूरल नेटवर्क की क्षमताओं को परखने वाला शोध मंच है। आगे की असली कसौटियां होंगी—परिणामों की पुनरावृत्ति, मापने योग्य कार्य-प्रदर्शन, कुल संचालन लागत और बड़े पैमाने पर विस्तार।

Studio Global AI

अपना शोध जारी रखें

इस पृष्ठ में एक स्रोत-समर्थित उत्तर शामिल है जिसे आप Studio Global के अंदर जारी रख सकते हैं।

Studio Global AI के साथ खोजें और तथ्यों की जांच करें

लोग पूछते भी हैं