Yapay zeka teknolojilerinin enerji tüketimini kökten düşürebilecek yeni bir nanoelektronik cihaz, Cambridge Üniversitesi araştırmacıları tarafından geliştirildi. İnsan beyninin bilgiyi işleyiş biçiminden esinlenen bu yenilik, mevcut yüksek enerji harcayan yapay zeka donanımlarına göre çok daha verimli bir alternatif sunuyor. Yapılan çalışma, yapay zekanın enerji ihtiyacını azaltmak adına yeni bir dönemin habercisi olarak görülüyor.
Araştırma ekibi, hafnium oksitin modifiye edilmiş bir versiyonunu kullanarak, beynin nöronlarının bağlantı ve iletişim şeklini taklit eden memristör adı verilen düşük enerji tüketimli ve son derece stabil bir bileşen geliştirdi. Bu bulgular, saygın bilimsel dergi Science Advances’da yayımlandı. Memristörler, hafıza ve işlem birimini birleştirerek veri işleme süreçlerini insan beynine daha yakın hale getirmeyi hedefliyor.
Günümüzde yapay zeka sistemleri, verileri bellek ile işlem birimi arasında taşıyan geleneksel bilgisayar çiplerine dayanıyor. Bu veri transferi, yüksek elektrik tüketimini beraberinde getiriyor ve yapay zekanın yaygınlaşması bu ihtiyacı daha da artırıyor. İşte burada neuromorfik hesaplama devreye giriyor. Neuromorfik teknolojiler, bellek ve işlemcisinin ayrılmadığı, beynin çalışma mekanizmasını örnek alan yapısı sayesinde enerji tüketimini yüzde 70’e varan oranlarda azaltma potansiyeline sahip.
Cambridge’daki araştırmanın lideri Dr. Babak Bakhit, enerji tüketiminin mevcut yapay zeka donanımlarındaki önemli bir sorun olduğunu belirtiyor. Bu sorunun çözümü için çok düşük akımlar, yüksek stabilite, dayanıklı ve tutarlı performans ile birçok duruma geçiş yapabilen cihazlara ihtiyaç duyulduğunu vurguluyor. Ortalama teknolojilerin ötesinde bir yaklaşımla memristör tasarımında önemli bir yenilik gerçekleştirildi.
Mevcut memristörlerin çoğu, metal oksit içindeki küçük iletken filamentlerin oluşumu ve kırılmasıyla çalışıyor. Ancak bu filamentler, öngörülemez davranışlar sergileyerek yüksek voltaj gereksinimi doğuruyor ve geniş kullanımı zorlaştırıyor. Cambridge araştırmacıları ise tamamen farklı bir strateji uyguladı. Hafnium bazlı ince film, bu süreçte p-n birleşimi oluşturan bölgelerdeki enerji bariyerlerini kontrol ederek dayanıklı ve pürüzsüz bir direnç değişimi sağlıyor. Böylece filamentlerin yol açtığı rastgelelik ortadan kalkıyor.
Bakhit, bu yeni tasarımın memristörlerin temel sorunu olan düzensizliği çözdüğünü belirtiyor. Bu cihazlar, arayüzlerdeki anahtar kısımların kontrollü yapısı sayesinde her kullanımda ve her cihazda mükemmel bir tutarlılık gösteriyor.
Testlerde, geliştirdikleri memristörler, diğer konvansiyonel cihazlara göre yaklaşık bir milyon kat daha düşük akımda çalışabiliyor. Ayrıca yüzlerce kararlı iletkenlik seviyesi sunarak analog ‘bellek içi’ hesaplamaya uygun bir yapı sergiliyor. Deneyler sırasında cihazlar on binlerce döngü boyunca istikrarını korudu ve programlanan durumunu yaklaşık bir gün tutturarak dayanıklılığını kanıtladı. Bunun yanı sıra, sinir hücrelerinin bağlantılarını zamanlama bazlı güçlendirme veya zayıflatmasına benzer olan ‘spike-timing dependent plasticity’ adlı öğrenme davranışı da gözlemlendi.
Bu özellikler, sadece veri depolamakla kalmayıp öğrenip adapte olabilen bir donanım yapmak için kritik. Bakhit, bu yönüyle cihazlarının gerçek anlamda yaşayan bir sistem gibi çalıştığını söylüyor.
Bununla birlikte, teknoloji henüz tamamen olgunlaşmış değil. Şu anki üretim süreci, standart yarı iletken üretim sıcaklıklarının çok üzerinde olan yaklaşık 700°C sıcaklık gerektiriyor. Bu durum, cihazların endüstriyel ölçekte kullanılabilirliğini kısıtlıyor. Araştırmacılar, sıcaklığın düşürülmesi için çalışmalarını sürdürüyor ve bu sorunun aşılması, teknolojinin ticari çip üretimiyle uyumlu hale gelmesini sağlayacak.
Elde edilen bu başarı, yıllarca süren yoğun deneme yanılma sürecinin ardından geldi. Bakhit, özellikle üretim yönteminde yaptığı son değişikliklerin cihaz performansını arttırdığını ve önemli ilerlemelere yol açtığını belirtti. Şimdi hedefleri, sıcaklık sorununu çözerek bu yeniliği pratik uygulamalara taşımak. Enerji tüketiminde sağlanacak büyük düşüş ve yüksek performans, yapay zekanın geleceğini şekillendirebilir.
Çalışma, İsveç Araştırma Konseyi, Kraliyet Mühendislik Akademisi ve Birleşik Krallık AR-GE destekleriyle gerçekleştirildi. Cambridge Üniversitesi’nin inovasyon kolu tarafından patent başvurusu yapıldı. Gelişmeler, yapay zeka donanımları için enerji verimliliğinde devrim niteliğinde bir adımın sinyalini veriyor.
📎 Kaynak: sciencedaily.com
