Küresel teknoloji yarışında donanım verimliliği ve işlem hızı en kritik rekabet unsurları haline gelirken, Çinli bilim insanlarından ses getiren bir atılım geldi. Pekin Üniversitesi'nden bir araştırma ekibi, işlem performansını mevcut sistemlere kıyasla neredeyse dört kat artıran yeni bir hesaplama mimarisi oluşturduğunu duyurdu.
Geliştirilen sistem; somutlaştırılmış zeka (robotik), uç nokta algılama (edge computing), beyinden ilham alan nöromorfik hesaplama ve ileri iletişim sistemleri gibi yüksek veri işleme kapasitesi gerektiren alanlarda darboğazları aşmayı hedefliyor.
SANİYEDE 500 MİLYAR İŞLEM
Araştırmanın temelinde, bilim ve mühendislik dünyasında ses ve görüntü sinyallerini işlemek için yaygın olarak kullanılan "Fourier Dönüşümü" tekniği yatıyor. Araştırmacılar, frekans dönüşümünü çoklu fizik alanı mimarisine uyarlamak için iki farklı cihazı entegre ederek hibrit bir yapı kurdu.
Pekin Üniversitesi Yapay Zeka Enstitüsü'nden araştırmacı Tao Yaoyu, geliştirdikleri sistemin başarısını şu sözlerle özetledi: "Bu mimari; elektrik akımı, yük veya ışık gibi farklı hesaplama paradigmalarının, kendileri için en uygun fiziksel alanlarda çalışmasını sağlıyor. Böylece hesaplama verimliliği maksimize ediliyor."
Tao, bu entegrasyon sayesinde Fourier Dönüşümü işlem hızlarının saniyede yaklaşık 130 milyar işlemden, saniyede 500 milyar işleme çıktığını belirtti. Bu artış, güç tüketimini düşürürken doğruluk oranlarını korumayı başarıyor.
GELENEKSEL ÇİPLERİN ÖTESİNE GEÇİŞ
Yeni mimari, geleneksel silikon tabanlı dijital hesaplamanın artan yapay zeka iş yüklerini karşılamakta zorlandığı bir dönemde geliştirildi. Sistemenin temel avantajı, birden fazla fiziksel hesaplama alanını (fotonik, analog ve bellek içi hesaplama) tek bir çatı altında toplaması.
Bu yaklaşım, otonom sürüş araçlarının anlık veri işleme ihtiyacından, beyin-bilgisayar arayüzlerine kadar geleceğin teknolojileri için gereken altyapıyı, enerji darboğazına takılmadan sunmayı vaat ediyor.
ÖZEL DONANIMLAR GENEL İŞLEMCİLERİ GERİDE BIRAKIYOR
Araştırma, küresel çapta yükselen "özel amaçlı donanım" trendini de doğruluyor. Son yıllarda yapılan çalışmalar, belirli matematiksel fonksiyonlar (Fourier ve evrişim dönüşümleri gibi) için optimize edilmiş donanımların, genel amaçlı işlemcilere (CPU/GPU) kıyasla çok daha yüksek hız ve enerji verimliliği sağladığını gösteriyor.
Pekin Üniversitesi ekibinin çoklu fizik yaklaşımı, nöromorfik ve fotonik sistemlerin ticarileşme sürecini hızlandırarak, yeni nesil yapay zeka donanımlarının endüstriyel standartlarını belirlemede önemli bir rol oynayabilir.
