Nöroloji ve yapay zekada yeni dönem: Bellek içi işlem yapan çip
Çinli bilim insanları, insan beyninin kıvrımlı yüzeyini 10 milisaniyenin altında bir sürede ve yüksek hassasiyetle modelleyebilen yeni bir memristör çip geliştirdi.
Pekin Üniversitesi ile Çin Bilimler Akademisi Şanghay Mikrosistem ve Bilgi Teknolojileri Enstitüsü iş birliğiyle üretilen çiple ilgili çalışma, prestijli bilim dergisi Science’ta yayımlandı.
Bellek İçi İşlem ile Hız ve Enerji Tasarrufu
Zaman içinde değişim gösteren karmaşık sistemleri takip etmek amacıyla nöral ağları matematiksel denklemlerle eşleştiren yapay zeka modelleri; fiziksel simülasyonlar, tıbbi görüntüleme ve 3 boyutlu beyin rekonstrüksiyonunda geniş yer tutuyor.
Ancak geleneksel bilgisayar mimarilerinde işlemci ile bellek arasında yaşanan sürekli veri transferi, işlem süreçlerini yavaşlatırken yüksek enerji tüketimine yol açıyordu.
Yeni geliştirilen çip ise kritik hesaplamaları doğrudan verilerin depolandığı alanda gerçekleştirerek veri aktarımı gereksinimini tamamen ortadan kaldırdı. Bu yenilik, beyin modelleme süreçlerinin çok daha hızlı ve düşük enerjiyle tamamlanmasını sağladı.
Grafik İşlemcilere Kıyasla 478 Kat Daha Hızlı
40 nanometrelik üretim mimarisiyle imal edilen ve yalnızca 0,28 milimetrekarelik alan kaplayan çip, 50 MHz frekansında çalışıyor. Nöral dinamik hesaplamalarında gelişmiş ASIC işlemcilere kıyasla 3,82 ila 36,27 kat daha hızlı performans sergileyen donanım, güç tüketimini ise 11,75 ila 24,73 kat düşürdü.
Çip, beyin kabuğu yüzeyinin 3 boyutlu olarak yeniden oluşturulması işlemlerinde ise endüstri standardı kabul edilen NVIDIA A100 GPU’ya kıyasla 478 kata kadar hız artışı elde etti.
Tıp Teknolojilerinde Yeni Bir Dönem
Gerçekleştirilen testlerde beynin beyaz ve gri madde sınırlarını başarıyla modelleyen çip, karmaşık beyin kıvrımlarını koruyarak pürüzsüz ve topoğrafik açıdan tutarlı 3 boyutlu yüzey ağları oluşturmayı başardı.
Yapay zeka tabanlı karmaşık modelleme sürelerini milisaniye seviyesine indiren bu teknolojinin; beyin-bilgisayar arayüzlerinin geliştirilmesinde, dijital beyin ikizlerinin oluşturulmasında, cerrahi müdahaleler sırasında eş zamanlı navigasyon sistemlerinde ve Alzheimer ve Parkinson gibi nörodejeneratif hastalıkların araştırmalarında aktif olarak kullanılması hedefleniyor.