Yapılan bir araştırmada Kaliforniya Üniversitesi San Diego’da (UCSD) görev yapan Türk bilim insanı Duygu Kuzum ve ekibi, sinir ağlarını doğrudan bellek içinde çalıştırmayı hedefleyen yeni bir RRAM mimarisi geliştirdi. Araştırmacılara göre bu yaklaşım, mevcut teknik engeller aşılabilirse buluta ihtiyaç duymadan yerel olarak çalışan ve düşük güç tüketimiyle uzun süre görev yapabilen yeni nesil yapay zeka sistemlerinin önünü açabilir.

Bellek sorununa alternatif yaklaşım

UCSD’de elektrik mühendisi olarak görev yapan Duygu Kuzum liderliğindeki ekip, bu soruna farklı bir perspektiften yaklaştı. Amaç, sinir ağlarını doğrudan geçici olmayan bellek devrelerinin içinde çalıştırmak. Böylece veri transferi minimize edilerek hem hız hem de enerji verimliliği artırılabilir. Bu yaklaşımın, bağlantı gerektirmeyen yerel yapay zeka uygulamalarında önemli avantajlar sunabileceği ifade ediliyor.

RRAM teknolojisi

RRAM teknolojisi, elektronik literatürde sıklıkla “dördüncü temel devre elemanı” olarak tanımlanan memristor kavramına dayanıyor. Direnç, kapasitör ve indüktöre ek olarak teorik olarak tanımlanan memristor, üzerinden geçen akıma bağlı olarak direnç değerini değiştirebiliyor ve güç kesildiğinde bu durumu koruyabiliyor.

Ayrıca Bkz.Bellek fiyatlarında yüzde 90’lık tarihi artış: Yeni zamlar yolda

Kuzum liderliğindeki ekip, RRAM’in kronikleşmiş güvenilirlik ve malzeme sorunlarını aşmak için üç boyutlu bir yapı geliştirdi. “Bulk RRAM” olarak adlandırılan tasarımda, tek bir 3D yapı içinde sekiz RRAM katmanı üst üste yerleştirildi.

Araştırmacılar, bu mimarinin 40 nanometreye kadar ölçeklenebildiğini belirtiyor. Ayrıca her bir bellek hücresinin 64 farklı direnç seviyesini temsil edebilmesi, sistemin analog hesaplama hassasiyetini artıran kritik bir teknik avantaj olarak öne çıkıyor. Bu çok seviyeli yapı, geleneksel filament tabanlı memristor tasarımlarında elde edilmesi zor bir doğruluk seviyesi sunuyor.

Testte yüzde 90 doğruluk

Geliştirilen istiflenmiş RRAM devreleri, pratik bir senaryoda test edildi. Sistem, bir giyilebilir sensörden gelen verileri sınıflandıran öğrenme algoritmasını sürekli çalıştıracak şekilde denendi. Test sonuçlarına göre sistem, yaklaşık yüzde 90 doğruluk oranına ulaştı. Bu performansın, geleneksel dijital sinir ağı sistemlerine yakın bir seviyeye işaret ettiği ifade ediliyor.

Bununla birlikte teknoloji henüz büyük ölçekli sohbet botları ya da geniş kapsamlı dil modelleri gibi yoğun işlem gücü gerektiren sistemler için hazır değil. Araştırma ekibi, özellikle veri tutma süresinin uzatılması ve yüksek çalışma sıcaklıklarında kararlılığın artırılması üzerine yoğunlaşıyor.

Duygu Kuzum, yürütülen çalışmaların büyük bölümünün malzeme karakterizasyonu ve optimizasyonuna odaklandığını belirtiyor. Amaç, yapay zeka uygulamalarına özel olarak tasarlanmış, uzun vadede güvenilir ve kararlı bir RRAM cihazı geliştirmek.