Bugün tek bir basit internet araması bile, 6 wattlık bir LED ampulü üç dakika boyunca çalıştıracak kadar enerji tüketiyor. Bu devasa faturanın arkasındaki asıl suçlu ise 'termal gürültü'; yani bilgisayar parçalarındaki yük taşıyıcılarının (elektronların) sürekli ve düzensiz titreşimidir. Klasik ve kuantum bilgisayarlar, bu titreşimlerin sinyali bozmasını engellemek için inanılmaz boyutlarda güç harcamak zorundadır.
Ancak ABD Enerji Bakanlığı'na (DOE) bağlı Lawrence Berkeley Ulusal Laboratuvarı'ndaki (Berkeley Lab) araştırmacılar, Nature Communications dergisinde yayınlanan çalışmalarıyla bu durumu bir 'düşman' olmaktan çıkarıp 'müttefik' haline getiren termodinamik hesaplama konseptini tanıttı.
GÜRÜLTÜYLE SAVAŞMAK YERİNE ONDAN BESLENMEK
Projede görev alan bilim insanı Stephen Whitelam, yeni yaklaşımı şu sözlerle özetliyor: "Klasik ve kuantum hesaplama gürültüyle mücadele eder; termodinamik hesaplama ise gürültüyle çalışır."
Mevcut sistemlerde transistörler, termal dalgalanmaları bastırmak için bu titreşim enerjisinin binlerce katı büyüklüğünde enerjiyle çalıştırılır. Termodinamik bilgisayarlar ise aynı enerji ölçeğine inerek, bu doğal dalgalanmaların sistemi kendiliğinden (zaman içinde durum değiştirerek) çalıştırmasına izin verir. Bu yöntem, bilgisayarların harici enerjiye olan bağımlılığını radikal bir şekilde düşürür ve pahalı soğutma sistemlerine ihtiyaç duymadan oda sıcaklığında çalışabilmelerini sağlar.
DOĞRUSAL OLMAYAN HESAPLAMALAR VE YAPAY ZEKA
Bugüne kadar termodinamik hesaplamanın önündeki en büyük engel, sistemin bir hesaplama yapabilmesi için 'denge durumuna' gelmesini (soğumasını) bekleme zorunluluğuydu. Ayrıca bu bilgisayarlar sadece basit doğrusal problemleri çözebiliyordu.
Whitelam ve Ulusal Enerji Araştırma Bilimsel Hesaplama Merkezi'nden (NERSC) Corneel Casert, hazırladıkları dijital simülasyonlarla bu sınırları yıktı. İkili, bilgisayar bileşenlerini doğrusal olmayan bir yapıda tasarlayarak sistemi bekleme süresinden kurtardı. Dahası, bu termodinamik devrelerin tıpkı bir sinir ağındaki nöronlar gibi bağlandığında, günümüzün en büyük ihtiyacı olan makine öğrenimi (yapay zeka) görevlerini yerine getirebileceğini kanıtladı.
TRİLYONLARCA SİMÜLASYONLA GELEN BAŞARI
Böylesine kaotik ve 'stokastik' (her çalışmada farklı sonuç üreten) bir sistemi eğitmek için Casert, Perlmutter süper bilgisayarında 96 GPU'yu aynı anda kullanarak devasa bir genetik algoritma çalıştırdı. En iyi performansı gösteren ağları seçip onları rastgele mutasyonlara uğratarak sistemi optimize etti. Toplamda bir trilyondan fazla simülasyon gerçekleştirildi.
Casert, "Bu sistemi dijital olarak simüle edip eğitmek pahalı bir süreç. Ancak bu süreç tamamlanıp fiziksel donanıma dönüştürüldüğünde, makine öğrenimi çıkarımları yok denecek kadar düşük bir enerji maliyetiyle yapılabilecek" diyerek teknolojinin ticari potansiyeline dikkat çekiyor.
Ekip şimdi bu tasarımları fiziksel bir donanıma dökecek donanım ve yazılım ortakları arıyor. Eğer bu teknoloji ticarileşirse, veri merkezlerinin trilyonlarca dolarlık elektrik faturası ve devasa karbon ayak izi tarihe karışabilir.
