Aramizda
Aktif Üye
Araştırma laboratuvarından girişime: Nöromorfik çip yeni olanakların kapısını açıyor
Leibniz Fotonik Teknolojileri Enstitüsü ve Jena Friedrich Schiller Üniversitesi'nde Heidemarie Krüger, verileri doğrudan başlangıç noktasında depolayan ve işleyen bir teknoloji üzerinde çalışıyor. Bunun modeli insan beynindeki bilgi işlemedir. Nöromorfik olarak bilinen bu aktarım yöntemi, işlemci ile bellek arasında karmaşık ve enerji yoğun aktarımlar gerektirmiyor.
Reklamcılık
Nöromorfik sistemler ve nöromorfik çipler, beyindeki nöronların ve sinapsların bilgiyi işleme biçimine dayanmaktadır. Paralel veri işleme, uyarlanabilir öğrenme süreçleri ve enerji tasarruflu sinyal iletimi gibi benzer ilkeleri kullanırlar. Amaç, özellikle yapay zeka, makine öğrenmesi veya sensör teknolojisi gibi alanlarda kullanılabilecek güçlü ve enerji verimli donanımlar yaratmaktır.
Krüger şimdi yeni kurulan Techifab aracılığıyla bu alandaki araştırmaları ileriye taşıyor. Bilim adamı, ekibiyle birlikte, hem enerji açısından verimli hem de güçlü olması amaçlanan, memristör tabanlı bileşenler geliştiriyor. Bu teknoloji gelecekte birçok alanda kullanılacak. Krüger, sürücüsüz araçlara veya akıllı endüstriyel tesislere yönelik uygulamaları örnek olarak gösteriyor.
Hafıza ve öğrenme yeteneğine sahip memristörler
Memristör (bellek direnci), yalnızca elektrik akımını iletmekle kalmayıp aynı zamanda akım akışına bağlı olarak direncini “not eden” bir elektronik bileşendir. Bu, memristörün, güç kapatıldığında bile direncini sakladığı anlamına gelir. Bu, memristörlerin bir depolama ve işleme cihazı olarak kullanılmasına olanak tanır. Memristörlerin kullanımı tamamen yeni değil. ABD'li startup Knowm, 2015 gibi erken bir tarihte bu konuda deneyler yaptı. Ancak Knowm'un kullandığı memristörler, Techifab tarafından geliştirilenlerden farklı.
Bilim Bilgi Servisi'nin bildirdiği gibi, Heidemarie Krüger'in nöromorfik çipi, bu memristör teknolojisi sayesinde geleneksel depolama teknolojisinden farklılaşıyor. 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 yönetebilirler” diye açıklıyor. Bu yetenek, esnek veri işlemeye olanak tanır ve sinir ağlarını simüle eden algoritmalar için yeni perspektifler açar. Olası kullanım alanları, makinelerin öngörücü 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 yatmaktadır. Bir malzeme analizi sırasında Krüger'in ekibi, 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 Yenilikler Ajansı'nın birkaç milyon avro değerindeki finansmanı sayesinde Krüger, geliştirmeyi ilerletmeyi başardı. Krüger, “Yapay sinapslarımız, matris çarpımları gibi karmaşık bilgi işlem görevlerini son derece verimli bir şekilde yerine getiriyor” diye belirtiyor. Bu tür hesaplamalar, modern yapay zeka sistemlerini ve görüntü işleme algoritmalarını eğitmek için gereklidir.
Bergakademie Freiberg Teknik Üniversitesi ile işbirliği içinde olan Krüger'in ekibi, teknolojiyi halihazırda ilk pilot projelerde gerçek koşullar altında test ediyor. Nöromorfik çipin en küçük değişiklikleri bile hassas bir şekilde algıladığı ve aşınma modellerini güvenilir bir şekilde tahmin edebildiği gösterilmiştir.
Yapay zeka uygulamaları için yeni olanaklar
Klasik işlemciler artan miktarda veriyi işlemek için giderek daha fazla transistöre ihtiyaç duyarken, 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, “Hedefimiz yalnızca verileri analiz etmek değil, aynı zamanda kalıpları tanımayı ve yeni durumlara esnek bir şekilde tepki vermeyi öğrenmektir – harici veri merkezlerine sürekli bir bağlantı olmadan,” diye vurguluyor Krüger.
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. Bir sonraki geliştirme aşamasında, daha karmaşık sinir ağlarının haritalandırılması ve otonom sistemlerin daha da geliştirilmesi amacıyla bu sayının 200'ün üzerine çıkması bekleniyor.
(usc)