Yapay zekanın enerji tüketimi giderek artarken, bu alanda devrim yaratabilecek bir gelişme Cambridge Üniversitesi’nden bilim insanlarından geldi. Yeni bir hafniyum oksit bazlı nanomalzeme, insan beynindeki sinapsların çalışma prensiplerini taklit ederek yapay zeka donanımlarında enerji kullanımını önemli ölçüde azaltabilecek. Bu yenilik, yapay zekanın geleceğini şekillendirebilecek potansiyele sahip.
Günümüzde yapay zeka sistemleri, veri işleme ve depolama birimlerinin farklı olduğu geleneksel dijital bilgisayarlar kullanıyor. Bu mimari, özellikle büyük veri işleyen uygulamalarda yüksek enerji tüketimine yol açıyor. Cambridge ekibinin lideri Babak Bakhit’e göre, yapay zeka kullanımının hızla artmasıyla birlikte bu enerji tüketimi sürdürülemez seviyelere yaklaşıyor. Bu soruna çözüm olarak “nöromorfik bilgisayarlar” öneriliyor; yani insan beyninin yapısını ve işleyişini model alan bilgisayarlar.
Nöromorfik cihazlar, işlem ve hafıza birimlerini aynı yapıda birleştiriyor. İnsan beynindeki sinir hücreleri ve sinapslar gibi yapay nöronlar ve sinapslar kullanarak hem bilgiyi işleyip hem de depolayabiliyorlar. Böylece veri iletimi sırasında harcanan enerji azalıyor ve çoklu görev yapabilme becerisi artıyor. Bu cihazların kalbi olan memristörler ise, beynin sinapsları gibi çalışarak bağlantı güçlerini değiştirip öğrenmeye imkân tanıyor.
Memristörler, 1971 yılında teoride tanımlanmış, ancak 2008 yılında ilk pratik versiyonları geliştirilmiş yeni bir devre bileşeni türü. Diğer direnç türlerinden farklı olarak, üzerlerinden geçen elektrik akımına bağlı olarak direnç değerleri değişiyor ve bu direnç durumu cihaz kapalı olsa bile hafızada tutuluyor. Ancak mevcut memristörler çoğunlukla rastgele iletken filamentlerin oluşumuna dayanıyor ve bu da cihazların kararlı ve tutarlı çalışmasını zorlaştırıyor. Ayrıca bu filament bazlı yapılar yüksek voltaj ve ek devreler gerektiriyor, bu da pratik kullanımda sıkıntılar yaratıyor.
Cambridge araştırmacıları, bu sorunun üstesinden gelmek için tamamen farklı bir yaklaşım benimsedi. Hafniyum oksit filmine stronsiyum ve titanyum ekleyerek p-n heteroakımı (heterointerface) oluşturdular. Bu yeni yapı, elektrik iyonlarının hareketiyle ara yüzeydeki enerji bariyerinin yüksekliğinin kontrollü bir şekilde değişmesine izin veriyor. Böylece memristörün direnç değeri filamentlere bağlı olmadan, çok daha stabil ve pürüzsüz şekilde ayarlanabiliyor.
Bu yeni memristör tasarımı, geleneksel modele kıyasla milyonda bir oranında daha düşük akımla (10^-8 amper ve altı) çalışabiliyor. Ayrıca yüzlerce farklı ve sağlam iletkenlik seviyesi oluşturabiliyor; bu da analog “hafızada hesaplama” için kritik bir özellik. Üstelik cihaz, on binlerce döngü boyunca direnç durumunu kaybetmeden işlevini sürdürebiliyor. Tüm bu özellikler, yapay sinir ağlarının çok daha az enerjiyle çalışmasına ve uzun ömürlü olmalarına katkı sağlıyor.
Bu gelişme, yapay zekanın enerji ihtiyacında çarpıcı bir azalma anlamına geliyor. Özellikle büyük veri merkezleri ve yapay zeka destekli cihazlar için daha sürdürülebilir ve ekonomik bir teknoloji altyapısı vad ediyor. Hafniyum oksit bazlı memristörler sayesinde, yapay zeka donanımlarının performansı düşmeden enerji maliyetleri minimize edilecek.
Araştırmanın geleceği ise bu nanomalzemenin ve cihaz tasarımının üretimle uyumlu hale getirilmesine bağlı. Şu an için malzeme 700 derece civarında bir sıcaklıkta üretilebiliyor, ki bu geleneksel yarı iletken üretim süreçleriyle uyumlu değil. Ancak ekip, sıcaklığı düşürme ve CMOS teknolojisine uygun hale getirme çalışmalarını sürdürüyor. Ayrıca, bireysel cihazlardan büyük ölçekli entegre neuromorfik çipler geliştirmeyi hedefliyorlar.
Sonuç olarak, bu yenilikçi hafniyum oksit memristörler, geleceğin yapay zeka teknolojilerine yön verecek potansiyele sahip. Enerji tüketimini düşürürken, performansı artırma iddiasıyla hem endüstride hem de araştırma dünyasında büyük bir adım olarak değerlendiriliyor. Cambridge Üniversitesi’nin sürdürdüğü geliştirme çalışmaları tamamlandığında, yapay zeka donanımlarında yeni bir çağ başlayabilir.
📎 Kaynak: physicsworld.com
