ABŞ-də yerləşən University of California, San Diego-da çalışan türk alim Duygu Kuzum və komandası süni intellekt sistemləri üçün yeni nəsil yaddaş arxitekturası hazırlayıb. Tədqiqatın əsas yeniliyi sinir şəbəkələrinin hesablamalarını birbaşa yaddaş daxilində həyata keçirməyə imkan verən RRAM əsaslı memarlığın təqdim olunmasıdır. Bu yanaşma ənənəvi kompüter arxitekturasında mövcud olan və “yaddaş divarı” kimi tanınan məhdudiyyəti aradan qaldırmağa yönəlib.
Mövcud süni intellekt sistemlərinin böyük hissəsi fon Neyman arxitekturasına əsaslanır. Bu modeldə məlumat yaddaş və prosessor arasında davamlı şəkildə ötürülür. Xüsusilə dərin öyrənmə modellərində milyardlarla parametrin emalı zamanı bu məlumat axını ciddi enerji sərfiyyatı və zaman itkisi yaradır. Beynəlxalq Enerji Agentliyinin hesablamalarına görə, böyük dil modellərinin öyrədilməsi və işlədilməsi yüksək performanslı hesablama mərkəzlərində əhəmiyyətli elektrik enerjisi tələb edir və data mərkəzlərinin enerji istehlakı qlobal miqyasda sürətlə artır. Bu baxımdan hesablama və yaddaşın eyni mühitdə birləşdirilməsi texnoloji effektivlik üçün əsas istiqamətlərdən biri hesab olunur.
RRAM texnologiyası məlumatı elektrik müqavimətindəki dəyişikliklər vasitəsilə saxlayır və eyni zamanda hesablama əməliyyatlarını yerinə yetirə bilir. Hesablama prosesinin yaddaşın daxilində aparılması məlumatın ayrıca prosessora ötürülməsinə ehtiyacı minimuma endirir. Bu isə həm gecikməni azaldır, həm də enerji sərfiyyatını aşağı salır. Qlobal yarımkeçirici sənayesində son illərdə “in-memory computing” adlanan istiqamətə marağın artması da bu tendensiyanın təsdiqidir. Böyük texnologiya şirkətləri və tədqiqat mərkəzləri analoji həllər üzərində işləyirlər, çünki süni intellekt tətbiqlərinin mobil və kənar cihazlarda, yəni buluddan asılı olmadan işləməsi getdikcə daha vacib olur.
Mobil telefonlar, avtonom nəqliyyat vasitələri, ağıllı sensor sistemləri və tibbi cihazlar üçün aşağı enerji sərfiyyatı kritik göstəricidir. Mövcud modellər çox vaxt hesablama yükünü bulud serverlərinə ötürür ki, bu da həm gecikmə, həm də məlumat təhlükəsizliyi baxımından əlavə risklər yaradır. Yaddaş daxilində hesablama aparan arxitekturalar lokal emal imkanlarını genişləndirərək həm sürəti, həm də məxfiliyi artırır. Bu xüsusilə səhiyyə və maliyyə texnologiyaları kimi həssas sahələr üçün aktualdır.
İqtisadi baxımdan belə texnologiyalar yarımkeçirici bazarında rəqabət balansına təsir göstərə bilər. Qlobal çip sənayesinin həcmi yüz milyardlarla dollarla ölçülür və süni intellekt üçün optimallaşdırılmış çiplər bu bazarın ən sürətlə böyüyən seqmentlərindən biridir. Yeni nəsil yaddaş arxitekturaları kommersiya mərhələsinə keçərsə, həm istehsal xərclərinin optimallaşdırılması, həm də daha səmərəli cihazların istehsalı mümkün ola bilər. Bununla belə, laboratoriya mərhələsindən sənaye miqyaslı istehsala keçid ciddi texniki və maliyyə resursları tələb edir. RRAM texnologiyasının uzunmüddətli dayanıqlığı, istehsal sabitliyi və mövcud CMOS infrastrukturu ilə inteqrasiyası əsas çağırışlar sırasındadır.
Duygu Kuzumun rəhbərlik etdiyi tədqiqat bu kontekstdə fundamental elmi nəticə kimi qiymətləndirilə bilər. Süni intellekt modellərinin ölçüsü böyüdükcə və real vaxt tətbiqlərinin sayı artdıqca, ənənəvi arxitekturaların məhdudiyyətləri daha qabarıq şəkildə üzə çıxır. Yaddaş və hesablama funksiyalarının birləşdirilməsi isə həm enerji səmərəliliyi, həm də performans baxımından yeni mərhələnin başlanğıcı ola bilər.
Beləliklə, təqdim olunan RRAM memarlığı təkcə texnoloji yenilik deyil, həm də süni intellektin iqtisadi və sənaye inkişaf trayektoriyasına təsir göstərə biləcək potensiala malikdir. Qlobal rəqabətin dərinləşdiyi yarımkeçirici bazarında bu tip həllər gələcək nəsil cihazların formalaşmasında əsas rol oynaya bilər.
AzNews.az