TSMC ve ABD'li bilim insanları yapay zeka için SOT-MRAM belleği geliştirdi

Teksas Üniversitesi mühendisleri, TSMC ile iş birliği içinde yapay zeka görevleri için optimize edilmiş, ultra verimli SOT-MRAM adlı bir manyetik bellek çipi geliştirip test etti. ixbt.com'a göre, bu yeni teknoloji yüksek hız, düşük güç tüketimi ve güç kesildiğinde bile verileri koruma yeteneğini bir araya getirerek gelecekte cihazların kapasitesini önemli ölçüde artırabilir. Bu konuda Ixbt.com haber veriyor.

Yapılan testler sırasında deneysel çipler yüksek performans gösterdi. Özellikle, bellek hücresindeki bir biti 0 ve 1 durumları arasında değiştirme işlemi sadece 2 nanosaniye sürdü ve yaklaşık 2 pikojoule enerji gerektirdi. Araştırmacılar, bazı alternatif bellek teknolojilerinin tek bir işlem için yüzlerce pikojoule enerji harcayarak birkaç kat hatta onlarca kat daha yavaş çalışabildiğini belirtiyor.

Teknolojinin kendine has özellikleri

SOT-MRAM belleğinin temel özelliği, uzun süredir bir dezavantaj olarak değerlendiriliyordu: her hücre yalnızca iki durumu (0 veya 1) saklayabiliyordu. Ancak sinir ağları genellikle verilerin daha karmaşık biçimleriyle çalıştığı için bu durum yapay zeka görevleri için yeterli değildi. Bu nedenle bilim insanları, kabul edilebilir hesaplama doğruluğunu koruyarak mevcut algoritmaları ikili formata uyarlamak zorunda kaldılar.

Yeni deneysel çipler, sinir ağı çıkarımı, ikili sinir ağlarının eğitimi ve olasılık grafiklerinin modellenmesi dahil olmak üzere aynı anda birkaç karmaşık görevde test edildi. Elde edilen sonuçlar, SOT-MRAM teknolojisinin hesaplamaların merkezi sunucuda değil, doğrudan nihai cihazın kendisinde gerçekleştirildiği periferik yapay zeka sistemleri için son derece ilgi çekici olabileceğini gösterdi.

Pratik önemi ve beklentiler

Bu teknolojinin uygulanması, gerçek zamanlı çalışan akıllı cihazlar için büyük kolaylıklar sağlayacaktır. Örneğin, robotik bir kol, sensörlerden gelen verileri kendi işleyerek bulut sunucularına göndermeden sıcaklık artışına neredeyse anında tepki verebilir. Bu da veri iletimi ve uzak sunucularda işleme için harcanan süreyi kısaltarak enerji tüketimini önemli ölçüde azaltır.

Buna rağmen, bu tür sistemler bulut bilişimden tamamen vazgeçemez. Yüksek doğruluk veya ciddi hesaplama gücü gerektiren karmaşık görevler için cihazlar, verileri GPU ile donatılmış sunuculara göndermeye devam edecektir. Gelecekte, SOT-MRAM tabanlı özelleştirilmiş hızlandırıcılar, bugün CPU aracılığıyla gerçekleştirilen yerel yapay zeka hesaplamalarının bir kısmını üstlenebilir.

Ancak teknolojinin uygulamaya geçmesine daha çok zaman var. Uzmanlar, çiplerin kararlılığını artırmak ve hücreler arası parametre farklarını azaltmak gibi görevlerle karşı karşıya; çünkü mevcut aşamada bu faktörler sinir ağlarının çalışma doğruluğunu olumsuz etkileyebilir.