Türk Bilim İnsanı Duygu Kuzum’dan Yapay Zekâ Donanımında Çığır Açacak RRAM Atılımı

Yapay zekâ modellerinin büyümesiyle birlikte işlemci–bellek arasındaki darboğaz giderek daha kritik hâle gelirken, Duygu Kuzum liderliğindeki araştırma ekibi, bu sorunu kökten çözebilecek yeni bir RRAM mimarisi geliştirdi. Çalışma, sinir ağlarının doğrudan bellek içinde çalışmasını sağlayarak “bellek duvarı” problemini aşmayı hedefliyor.

Ekip, University of California, San Diego (UCSD) bünyesinde yürüttüğü projede, 8 katmandan oluşan üç boyutlu bir RRAM (ReRAM) yığını tasarladı. Bu yeni yapı, yerel olarak çalışan düşük güç tüketimli yapay zekâ sistemlerinin önünü açabilecek bir yaklaşım olarak görülüyor.

Bellek duvarına karşı “bellek içi işlem” yaklaşımı

Modern bilgisayarlarda verinin işlemci ile bellek arasında sürekli taşınması hem enerji hem de zaman kaybına neden oluyor. Büyük sinir ağlarının artan gereksinimleri düşünüldüğünde bu darboğaz daha da belirginleşiyor.

Kuzum ve ekibinin önerdiği çözüm ise veriyi işlemciye taşımak yerine hesaplamayı doğrudan bellek içinde yapmak. Bu sayede:

• Veri transfer ihtiyacı minimize ediliyor

• Gecikme düşüyor

• Enerji tüketimi önemli ölçüde azalıyor

Bu yaklaşım özellikle bulut bağlantısına ihtiyaç duymayan yerel yapay zekâ uygulamaları, IoT cihazları ve giyilebilir teknolojiler için büyük avantaj sunuyor.

3D RRAM: 64 seviyeli hücrelerle yüksek doğruluk

RRAM, memristor temelli, enerjiyi kesildiğinde bile veriyi saklayabilen bir bellek türü. Ancak yıllardır malzeme kararlılığı ve üretim sorunları nedeniyle geniş ölçekte ticarileşemedi.

Yeni tasarımın farkı şu noktada ortaya çıkıyor:

• 8 katmanlı 3D RRAM mimarisi

• 40 nm’ye kadar ölçeklenebilir üretim

• Her hücrede 64 farklı direnç seviyesi, yani yüksek analog hesaplama hassasiyeti

Bu çok seviyeli yapı, memristor teknolojisinin klasik filament tabanlı versiyonlarına göre daha kararlı ve daha doğru bir hesaplama sağlıyor.

Pratik testte %90 doğruluk: Giyilebilir sensör senaryosu

Prototip mimari, gerçek dünya koşullarına benzer bir senaryoda test edildi. Sistem, bir giyilebilir sensörden gelen verileri sınıflandıran sürekli çalışan bir algoritma üzerinde denendi.

Sonuçlar:

• Yaklaşık %90 doğruluk oranı

• Dijital sinir ağı sistemlerine oldukça yakın performans

• Çok düşük güç tüketimi

Her ne kadar bu teknoloji şimdilik devasa dil modelleri veya sohbet botları için yeterli olmasa da, düşük güçlü yapay zekâ uygulamalarında gelecek vaat ediyor.

Sıradaki hedef: Yüksek sıcaklık ve uzun süreli kararlılık

Araştırma ekibi şu anda özellikle:

• Veri tutma süresinin uzatılması

• Yüksek sıcaklıklarda kararlılığın artırılması

• Malzeme optimizasyonu

üzerine çalışıyor.

Kuzum, öncelikli hedeflerinin “yapay zekâ uygulamalarına özel, uzun ömürlü ve güvenilir bir RRAM cihazı geliştirmek” olduğunu belirtiyor.