Yapay Zekâda Enerji Devrimi: Beyin Gibi Çalışan Çipler Tüketimi %70 Azaltabilir!

Bilim insanları, günümüz yapay zekâ sistemlerinin en büyük sorunlarından biri olan yüksek enerji tüketimine çözüm olabilecek çığır açıcı bir teknoloji geliştirdi. Beynin çalışma prensibinden ilham alan yeni bir nanoelektronik cihaz, hem veri işleme hem de depolamayı aynı anda gerçekleştirebiliyor. Hafniyum oksidin özel bir formu kullanılarak geliştirilen bu sistem, geleneksel çiplere kıyasla enerji kullanımını %70’e kadar azaltma potansiyeli taşıyor.

Neden Mevcut Yapay Zekâ Sistemleri Çok Enerji Harcıyor?

Günümüzde kullanılan yapay zekâ donanımları, verileri sürekli olarak işlem birimi ile bellek arasında taşımak zorunda kalıyor. Bu veri trafiği büyük miktarda enerji tüketimine yol açıyor ve yapay zekânın yaygınlaşmasıyla birlikte bu tüketim hızla artıyor.

Yeni yaklaşım olan nöromorfik hesaplama ise bellek ve işlemeyi tek bir yapıda birleştiriyor. Bu sistem, insan beyninde olduğu gibi bilgiyi aynı yerde işleyip saklayarak çok daha verimli bir çalışma sunuyor.

Yeni Nesil “Memristor” Teknolojisi

Cambridge Üniversitesi liderliğindeki araştırma ekibi, hafniyum oksit tabanlı yeni bir “memristor” geliştirdi. Memristorlar, beynimizdeki nöronlar gibi davranarak bilgiyi hem depolayan hem de işleyen elektronik bileşenlerdir.

Mevcut memristor tasarımlarında kullanılan iletken filamentler genellikle kararsız ve öngörülemez davranışlar sergiler. Ancak bu yeni tasarım, stronsiyum ve titanyum eklenmiş ince bir film kullanarak çok daha kontrollü bir yapı oluşturuyor. Bu sayede cihaz, daha düşük voltajlarla daha kararlı şekilde çalışabiliyor.

Ultra Düşük Enerji ve Beyin Benzeri Öğrenme

Yapılan testlerde, yeni cihazın bazı geleneksel sistemlere göre yaklaşık bir milyon kat daha düşük akımlarla çalışabildiği görüldü. Ayrıca yüzlerce farklı iletkenlik seviyesine ulaşabilmesi, analog ve “yerinde hesaplama” (in-memory computing) için büyük avantaj sağlıyor.

Bu sistem, nöronların öğrenme mekanizmasını taklit eden “zamanlama bağımlı plastisite” gibi biyolojik öğrenme süreçlerini de başarıyla sergiledi. Bu özellik, yapay zekâ sistemlerinin sadece veri depolamakla kalmayıp öğrenme ve adaptasyon yeteneği kazanması açısından kritik öneme sahip.

Önündeki Zorluklar ve Gelecek Potansiyeli

Her ne kadar sonuçlar umut verici olsa da teknolojinin önünde bazı engeller bulunuyor. Mevcut üretim süreci yaklaşık 700°C gibi yüksek sıcaklıklar gerektiriyor. Bu durum, standart yarı iletken üretim süreçleriyle uyumluluğu zorlaştırıyor.

Araştırmacılar, bu sıcaklığı düşürmeyi başardıkları takdirde teknolojinin ticari çiplere entegre edilebileceğini ve yapay zekâ donanımlarında devrim yaratabileceğini belirtiyor.

Yıllar Süren Çalışmanın Sonucu

Bu önemli gelişme, yıllar süren deneme-yanılma sürecinin ardından elde edildi. Araştırmacılar, üretim sürecinde yaptıkları küçük bir değişiklik sayesinde büyük bir ilerleme kaydetti. Yeni yöntem, gelecekte daha düşük enerji tüketen ve daha güçlü yapay zekâ sistemlerinin önünü açabilir.

Kaynak: Science Advances, University of Cambridge araştırma ekibi