Yapay zekâ teknolojilerinin enerji tüketimini kökten azaltabilecek yeni bir nanoelektronik cihaz geliştirildi. Cambridge Üniversitesi öncülüğündeki araştırma ekibi, insan beyninin bilgi işleyiş biçimini taklit eden bu yenilikçi cihazla, günümüzün yüksek enerji gereksinimli yapay zekâ donanımlarına güçlü bir alternatif sunuyor. Bu çalışma, yapay zekâ sistemlerinin enerji verimliliğini artırma yolunda önemli bir dönüm noktası olarak görülüyor.
Araştırmada, hafniyum oksitin modifiye edilmiş bir versiyonu kullanılarak çok kararlı ve düşük enerjili bir “memristor” tasarlandı. Memristorlar, beynimizdeki nöronların iletişim kurmasına benzer şekilde, elektrik akımını hafızada tutabilen ve iletebilen devre elemanlarıdır. Cambridge ekibinin bulguları, Science Advances dergisinde yayımlandı ve teknoloji dünyasında büyük ilgi topladı.
Günümüzde kullanılan yapay zekâ sistemleri, veriyi bellek ile işlem birimleri arasında sürekli taşıyan klasik çipler üzerine kuruludur. Bu veri aktarımı yüksek miktarda elektrik enerjisi gerektirir ve yapay zekâ uygulamalarının yaygınlaşmasıyla birlikte enerji talebi hızla artmaktadır. Ancak sinirsel hesaplama olarak bilinen yeni yaklaşımda, bellek ile işlem gücü aynı donanım biriminde birleşerek enerji kullanımını yüzde 70’e varan oranda azaltabiliyor ve sistemlerin öğrenme yeteneklerini doğala daha yakın hale getiriyor.
Bu yeni memristor tasarımı, cihaz içinde iletken filamentlerin rastgele oluşması ve yüksek voltaj gereksinimi gibi eski modellerin zorluklarını aşmayı hedefliyor. Araştırmacılar, stronsiyum ve titanyum katkı maddeleri ekleyerek ve iki aşamalı bir büyüme süreci uygulayarak katmanlar arasındaki “p-n birleşimleri” olarak adlandırılan küçük elektronik kapılar geliştirdiler. Böylece direnç değiştirme işlemi kontrol altına alındı ve cihazlar daha stabil ve güvenilir çalışmaya başladı.
Memristorun çalışma prensibi, filamentlerin kopup yapışması yerine, enerji bariyerlerinin ayarlanması üzerine kurulu. Bu, anahtarın daha yumuşak ve tutarlı bir şekilde açılıp kapanmasını sağlıyor. Cambridge Üniversitesi Materyal Bilimleri ve Metalurji Bölümü’nden Dr. Babak Bakhit, bu yeniliğin cihazların çalışma döngüleri boyunca istikrarlı ve öngörülebilir kalmasını sağladığını belirtiyor.
Laboratuvar testlerinde yeni cihaz, geleneksel oxit bazlı memristorlara göre yaklaşık bir milyon kat daha düşük enerji ile çalışmayı başardı. Aynı zamanda yüzlerce stabil iletkenlik seviyesi sunması, analog “bellekte hesaplama” uygulamaları için kritik öneme sahip. Cihaz, on binlerce anahtar değiştirme döngüsünde programlanmış halini koruyarak dayanıklılığını da kanıtladı. Üstelik, nöronların bağlantılarını güçlendirme veya zayıflatma yeteneğine benzer şekilde “zamanlama bağımlı plastisite” özellikleri sergiledi.
Bu özellikler, sadece veri depolamakla kalmayıp, öğrenen ve kendini adapte eden donanımlar geliştirme yolunda önemli bir adım. Yapay zekânın geleceğinde donanımın da yazılım kadar esnek ve akıllı olması gerektiği vurgulanıyor. Ancak bazı zorluklar da mevcut; yeni cihazın üretiminde kullanılan aşırı yüksek sıcaklık (yaklaşık 700°C), standart yarı iletken üretim teknikleriyle henüz uyumlu değil.
Araştırma ekibi, bu sorunu aşabilmek ve üretim sıcaklığını düşürmek için çalışmalarını sürdürüyor. Eğer bu engel aşılabilirse, söz konusu teknoloji entegre çiplerde kullanılabilir hale gelecek ve yapay zekâ donanımlarında enerji verimliliğinde devrim yaratacak. Başarıldığında, bu cihazlar çok daha az enerji harcayan, daha hızlı ve esnek yapay zekâ sistemlerine zemin hazırlayacak.
Uzun yıllara yayılan deneme yanılma süreçlerinin ardından gelen bu başarı, bilim dünyasında büyük umut uyandırdı. Dr. Bakhit, “Neredeyse üç yıl süren çalışmaların sonunda, geçen yılın sonlarında ilk olumlu sonuçları aldık,” diyor. Elde edilen performans ve enerji tasarrufu, yapay zekâ donanımlarının geleceğinde köklü değişikliklere öncülük edebilir. Araştırma, İsveç Araştırma Konseyi, Kraliyet Mühendislik Akademisi ve İngiltere araştırma kuruluşlarının desteğiyle yürütülüyor ve Cambridge Üniversitesi’nin inovasyon kolu tarafından patenti işlemleri sürdürülüyor.
📎 Kaynak: sciencedaily.com
