Yenilikler

Beyinden ilham alan bilgi işlem için yeni platform

Bilgisayarlar, güçleri ve potansiyelleri açısından o kadar ileri gitti ki, verileri depolama ve analiz etme, tahminlerde bulunma ve iletişim kurma yeteneklerinde insan beynine rakip oldu ve hatta onu gölgede bıraktı. Ancak insan beyninin hâlâ hakim olduğu bir alan var: Enerji verimliliği.

“En verimli bilgisayarlar, matematiksel hesaplamalar gibi görevlerde beyinden daha iyi performans göstermelerine rağmen, görüntü işleme ve tanıma gibi belirli görevler için insan beynine kıyasla hâlâ yaklaşık dört kat büyüklükte – yani 10.000 kat daha fazla enerji gereksinimine sahiptir.” dedi UC Santa Barbara elektrik ve bilgisayar mühendisliği nanoelektronik alanında dünya uzmanı Profesör Kaustav Banerjee. “Bilgisayarları daha enerji verimli hale getirmek çok önemli çünkü çipli elektroniklerin dünya çapındaki enerji tüketimi, ulusal enerji tüketimi küresel sıralamasında 4. sırada yer alıyor ve yapay zeka gibi uygulamalarla desteklenen bu tüketim her yıl katlanarak artıyor.” Buna ek olarak, enerji verimsiz bilgi işlem sorununun küresel ısınma bağlamında özellikle acil olduğunu ve “enerji açısından daha verimli bilgi işlem teknolojilerinin geliştirilmesine yönelik acil ihtiyacın altını çizdiğini” söyledi.

Nöromorfik (NM) hesaplama, enerji verimliliği açığını kapatmanın umut verici bir yolu olarak ortaya çıktı. İşlemenin düşük güç tüketen bir dizi nöron boyunca paralel olarak gerçekleştiği insan beyninin yapısını ve operasyonlarını taklit ederek, beyin benzeri enerji verimliliğine yaklaşmak mümkün olabilir. Dergide yayınlanan bir makalede Doğa İletişimi, Banerjee ve iş arkadaşları Arnab Pal, Zichun Chai, Junkai Jiang ve Wei Cao, Intel Laboratuvarlarından araştırmacılar Vivek De ve Mike Davies ile işbirliği içinde, 2D geçiş metali dikalkogenit (TMD) tabanlı tüneli kullanan böylesi ultra enerji verimli bir platform öneriyor -alan etkili transistörler (TFET’ler). Araştırmacılar, platformlarının enerji gereksinimlerini insan beynine göre iki kat büyüklüğe (yaklaşık 100 kat) getirebileceğini söylüyor.

Kaçak akımlar ve eşik altı salınım

Nöromorfik hesaplama kavramı on yıllardır ortalıkta dolaşıyor, ancak etrafındaki araştırmalar nispeten yakın zamanda yoğunlaştı. Daha küçük, daha yoğun transistör dizilerini mümkün kılan devre sistemindeki gelişmeler ve dolayısıyla daha az güç tüketimi için daha fazla işlem ve işlevsellik, beyinden ilham alan hesaplamayı mümkün kılmak için yapılabileceklerin sadece yüzeyini çiziyor. Buna yapay zeka ve Nesnelerin İnterneti gibi birçok potansiyel uygulamanın yarattığı iştah da eklenince, ilerlemek için nöromorfik hesaplamaya yönelik donanım platformu seçeneklerinin genişletilmesinin ele alınması gerektiği açıktır.

Takımın 2 boyutlu tünel transistörlerine girin. Banerjee’nin, güç gereksiniminde aynı oranda bir artış olmadan artan işleme açlığını karşılamak için yüksek performanslı, düşük güç tüketen transistörler geliştirmeye yönelik uzun süredir devam eden araştırma çabalarından ortaya çıkan bu atomik olarak ince, nano ölçekli transistörler, düşük voltajlarda duyarlıdır ve Araştırmacıların NM platformu, insan beyninin yüksek enerji verimliliğine sahip operasyonlarını taklit edebiliyor. Daha düşük durum dışı akımlara ek olarak, 2D TFET’ler aynı zamanda bir transistörün kapalı durumdan açık konuma ne kadar etkili bir şekilde geçebileceğini tanımlayan bir parametre olan düşük eşik altı salınımına (SS) sahiptir. Banerjee’ye göre daha düşük bir SS, daha düşük bir çalışma voltajı ve daha hızlı ve daha verimli anahtarlama anlamına gelir.

Baş yazar Arnab Pal, “Nöromorfik bilgi işlem mimarileri çok seyrek ateşleme devreleriyle çalışacak şekilde tasarlanmıştır” dedi ve “bu, beyindeki nöronların yalnızca gerektiğinde nasıl ateşlendiğini taklit ettikleri anlamına geliyor.” Verilerin sırayla işlendiği, bellek ve işlem bileşenlerinin ayrıldığı ve tüm operasyon boyunca sürekli olarak güç çeken günümüz bilgisayarlarının daha geleneksel von Neumann mimarisinin aksine, NM bilgisayarı gibi olay odaklı bir sistem yalnızca işleme alınacak girdi vardır ve bellek ve işleme bir dizi transistöre dağıtılmıştır. Intel ve IBM gibi şirketler beyinden ilham alan platformlar geliştirerek milyarlarca birbirine bağlı transistörü devreye aldı ve önemli miktarda enerji tasarrufu sağladı.

Ancak araştırmacılara göre enerji verimliliğinin artırılması için hâlâ yapılabilecek çok şey var.

Banerjee, “Bu sistemlerde enerjinin çoğu, aktif durumları yerine transistörler kapalıyken kaçak akımlar nedeniyle kayboluyor.” diye açıkladı. Elektronik dünyasında her yerde görülen bir olgu olan kaçak akımlar, kapalı durumdayken (ama yine de güce bağlıyken) bir devreden geçen küçük miktarlardaki elektriktir. Makaleye göre, mevcut NM yongaları, yüksek durum akımına sahip olan ancak aynı zamanda yüksek durum dışı sızıntıya sahip olan geleneksel metal oksit yarı iletken alan etkili transistörleri (MOSFET’ler) kullanıyor. Banerjee, “Bu çiplerin güç verimliliği, durum dışı sızıntı nedeniyle kısıtlandığından, çok daha düşük durum dışı akıma sahip tünelleme transistörlerini kullanan yaklaşımımız, güç verimliliğini büyük ölçüde artırabilir.” dedi.

Nöronların ateşlenmesini ve sıfırlanmasını taklit eden nöromorfik bir devreye entegre edildiğinde, TFET’ler kendilerini en son teknoloji MOSFET’lerden, özellikle de FinFET’lerden (anahtarlama ve sızıntıyı daha iyi kontrol etmenin bir yolu olarak dikey “kanatçıklar” içeren bir MOSFET tasarımı) daha enerji verimli kanıtladılar. TFET’ler hala deneysel aşamadadır, ancak bunlara dayanan nöromorfik devrelerin performansı ve enerji verimliliği onları beyinden ilham alan bir sonraki nesil bilgi işlem için umut vadeden bir aday yapar.

Ortak yazarlar Vivek De (Intel Üyesi) ve Mike Davies’e (Intel’in Nöromorfik Bilgi İşlem Laboratuvarı Direktörü) göre, “Bu platform hayata geçirildiğinde çiplerdeki enerji tüketimini insan beynine göre iki büyüklük mertebesine getirebilir — arayüz devresi ve bellek depolama elemanlarını hesaba katmıyor. Bu, bugün elde edilebilecek olandan önemli bir gelişmeyi temsil ediyor.”

Şu anda geniş ölçekli ticari çoğalmaya tanık olan 3D entegre devrelerin arkasındaki temel vizyonerlerden biri olarak tanınan Banerjee, sonunda, insan beyninin daha da yakından emülasyonunu sağlamak için bu 2D-TFET tabanlı nöromorfik devrelerin üç boyutlu versiyonlarının hayata geçirilebileceğini ekledi. .

Kaynak ve İleri Okuma: https://www.sciencedaily.com/releases/2024/06/240625205646.htm

İlgili Makaleler

Başa dön tuşu