Leibniz Fotonik Teknolojileri Enstitüsü ve Jena Friedrich Schiller Üniversitesi'nde Heidemarie Krüger, verileri doğrudan başlangıç noktasında depolayan ve işleyen teknoloji üzerinde çalışıyor. Bunun modeli insan beynindeki bilgi işlemedir. Nöromorfik olarak bilinen bu iletim yöntemi, işlemci ile bellek arasında karmaşık, enerji yoğun aktarımlar gerektirmez.
Duyuru
Nöromorfik sistemler ve nöromorfik çipler, beyindeki nöronların ve sinapsların bilgiyi nasıl işlediğine dayanmaktadır. Paralel veri işleme, uyarlanabilir öğrenme süreçleri ve enerji tasarruflu sinyal iletimi gibi benzer ilkeleri kullanırlar. Amaç özellikle yapay zeka, makine öğrenimi veya sensör teknolojisi gibi alanlarda kullanılabilecek güçlü ve enerji tasarruflu donanımlar yaratmak.
Krüger şu anda yeni kurulan Techifab aracılığıyla bu alandaki araştırmalarını sürdürüyor. Bilim insanı, ekibiyle birlikte hem enerji açısından verimli hem de güçlü olması gereken memristör tabanlı bileşenler geliştiriyor. Bu teknoloji gelecekte birçok sektörde kullanılacak. Krüger, sürücüsüz araçlara veya akıllı endüstriyel tesislere yönelik uygulamaları örnek olarak gösteriyor.
Hafıza ve öğrenme yeteneğine sahip memristör
Memristör (bellek direnci), yalnızca elektrik akımını iletmekle kalmayıp aynı zamanda akımın akışına bağlı olarak direncini “algılayan” bir elektronik bileşendir. Bu, memristörün güç kapalıyken bile direncini sakladığı anlamına gelir. Bu, memristörlerin depolama ve işleme cihazları olarak kullanılmasına olanak tanır. Memristörlerin kullanımı tamamen yeni değil. ABD merkezli Knowm şirketi 2015 yılında bunu denedi. Ancak Knowm'un kullandığı memristörler Techifab tarafından geliştirilenlerden farklı.
Bilim Bilgi Servisi'nin bildirdiği gibi, Heidemarie Krüger'in nöromorfik çipi, bu memristör teknolojisi sayesinde kendisini geleneksel depolama teknolojisinden farklılaştırıyor. Bu bileşenler insan beynindeki sinapslar gibi çalışır: bilgiyi depolar ve aynı anda işlerler. Verileri işlemci ve bellek arasında sürekli olarak ileri geri taşıyan geleneksel bilgisayarların aksine, bu teknoloji doğrudan sahada çalışır. Bu, enerji tasarrufu sağlar ve hızlı, merkezi olmayan veri analizine olanak tanır.
Krüger, “Memristörler sadece '0' ve '1'den fazlasını işleyebilir, aynı zamanda ara durumları da işleyebilir” diye açıklıyor. Bu yetenek esnek veri işlemeyi mümkün kılar ve sinir ağlarını simüle eden algoritmalar için yeni perspektifler açar. Potansiyel kullanım alanları, tahmine dayalı makine bakımından otonom sürüş gibi güvenlik açısından kritik uygulamalara yönelik gerçek zamanlı analizlere kadar uzanır.
Tesadüfi keşif başlangıçtı
Bu teknolojinin kökeni 2011'de yapılan beklenmedik bir gözlemde yatıyor. Krüger'in ekibi, materyali analiz ederken, bir memristörün davranışının açık bir özelliği olan karakteristik bir döngü eğrisi keşfetti. Önceki hesaplamaları “hatırlama” yeteneği, ekibe bizmut ve demir oksit kombinasyonundan yapılan yapay sinapslar geliştirme konusunda ilham verdi.
Bu temelde işlevsel bir çip vizyonu ortaya çıktı. Federal Gelişmiş Yenilik Ajansı'nın sağladığı milyonlarca avroluk fon sayesinde Krüger, geliştirmeyi ileriye taşımayı başardı. Krüger, “Yapay sinapslarımız, matris çarpımları gibi karmaşık hesaplama görevlerini son derece verimli bir şekilde yerine getiriyor” diye belirtiyor. Bu tür hesaplamalar, modern yapay zeka sistemlerinin ve görüntü işleme algoritmalarının eğitimi için gereklidir.
Krüger'in ekibi, Bergakademie Freiberg Teknik Üniversitesi ile işbirliği içinde teknolojiyi gerçek koşullar altında ilk pilot projelerde test ediyor. Nöromorfik çipin en küçük değişiklikleri bile doğru bir şekilde tespit ettiği ve aşınma modellerini güvenilir bir şekilde tahmin edebildiği kanıtlanmıştır.
Yapay zeka uygulamaları için yeni olanaklar
Klasik işlemciler artan miktarda veriyi işlemek için giderek daha fazla transistöre ihtiyaç duyduğundan, geleneksel çip tasarımları fiziksel ve enerji sınırlarına ulaşıyor. Depolama ve bilgi işlem birimlerini birleştiren nöromorfik sistemler yalnızca enerji tüketimini azaltmakla kalmıyor, aynı zamanda yapay zeka uygulamaları için yeni olanaklar da açıyor. Krüger, “Amacımız yalnızca verileri analiz etmek değil, aynı zamanda kalıpları tanımayı öğrenmek ve harici veri merkezlerine sürekli bir bağlantı olmadan yeni durumlara esnek bir şekilde tepki vermeyi öğrenmektir” diye vurguluyor.
Bu teknoloji gelecekte veri merkezlerini daha enerji verimli hale getirmekle kalmayacak, aynı zamanda daha az kaynak kullanan yapay zeka sistemlerine de olanak tanıyacak. Mevcut prototipin 32 memristörü var. Geliştirmenin bir sonraki aşamasında, daha karmaşık sinir ağlarının haritalandırılması ve otonom sistemlerin daha da geliştirilmesi için sayının 200'ün üzerine çıkması bekleniyor.
(çıkış)
Bir yanıt yazın