Yeni araştırma, enerji verimli bilgi işlemi geliştirmenin olası bir yolunu gösteriyor

Çoğu zaman bilgisayarların insanlardan daha verimli olduğuna inanırız. Ne de olsa bilgisayarlar karmaşık bir matematik denklemini bir anda tamamlayabilir ve unutmaya devam ettiğimiz o tek oyuncunun adını da hatırlayabilir. Bununla birlikte, insan beyni karmaşık bilgi katmanlarını hızlı, doğru bir şekilde ve neredeyse hiç enerji girişi olmadan işleyebilir: bir yüzü yalnızca bir kez gördükten sonra tanımak veya bir dağ ile okyanus arasındaki farkı anında bilmek. Bu basit insan görevleri, bilgisayarlardan ve o zaman bile değişen doğruluk dereceleriyle muazzam işlem ve enerji girdisi gerektirir.

Minimum enerji gereksinimi olan beyin benzeri bilgisayarlar yaratmak, modern yaşamın neredeyse her alanında devrim yaratacaktır. Enerji Bakanlığı tarafından finanse edilen Kuantum Malzemeleri Enerji Verimli Nöromorfik Hesaplama (Q-MEEN-C) bu araştırmanın ön saflarında yer aldı.

UC San Diego Fizik Bölümü Yardımcı Doçenti Alex Frañó, Q-MEEN-C'nin eş direktörüdür ve merkezin çalışmalarını aşamalı olarak düşünmektedir. İlk aşamada, California Üniversitesi Fahri Başkanı ve Fizik Profesörü Robert Dynes ve Rutgers Mühendislik Profesörü Shriram Ramanathan ile yakın çalıştı. Ekipleri birlikte, bir kuantum materyalinde tek bir beyin öğesinin (nöron veya sinaps gibi) özelliklerini yaratmanın veya taklit etmenin yollarını bulmada başarılı oldular.

Şimdi, ikinci aşamada, Nano Letters'da yayınlanan Q-MEEN-C'nin yeni araştırması, komşu elektrotlar arasından geçen elektriksel uyaranların komşu olmayan elektrotları da etkileyebileceğini gösteriyor. Yerel olmama olarak bilinen bu keşif, nöromorfik bilgi işlem olarak bilinen beyin fonksiyonlarını taklit eden yeni cihaz türlerine yönelik yolculukta çok önemli bir kilometre taşıdır.

Makalenin ortak yazarlarından biri olan Frañó, "Beyinde, bu yerel olmayan etkileşimlerin nominal olduğu anlaşılıyor, sık sık ve minimum çabayla gerçekleşiyorlar" dedi. "Beynin nasıl çalıştığının çok önemli bir parçası, ancak sentetik malzemelerde çoğaltılan benzer davranışlar nadirdir."

Şu anda meyve veren birçok araştırma projesi gibi, kuantum malzemelerde yerel olmamanın mümkün olup olmadığını test etme fikri de pandemi sırasında ortaya çıktı. Fiziksel laboratuvar alanları kapatıldı, bu nedenle ekip, beyindeki birden çok nöronu ve sinapsı taklit etmek için birden çok cihaz içeren diziler üzerinde hesaplamalar yaptı. Bu testleri yürütürken, yerel olmamanın teorik olarak mümkün olduğunu buldular.

Laboratuvarlar yeniden açıldığında, bu fikri daha da geliştirdiler ve elektrik ve bilgisayar mühendisliği alanındaki çalışmaları bir simülasyonu gerçek bir cihaza dönüştürmelerine yardımcı olan UC San Diego Jacobs Mühendislik Fakültesi Doçent Doktor Duygu Kuzum'u işe aldılar.

Bu, ince bir nikelat filmi hidrojen iyonları yerleştirmeyi ve ardından üstüne bir metal iletken yerleştirmeyi içeriyordu. Metale bir tel bağlanır, böylece nikele bir elektrik sinyali gönderilebilir. Sinyal, jel benzeri hidrojen atomlarının belirli bir konfigürasyona hareket etmesine neden olur ve sinyal kaldırıldığında, yeni konfigürasyon kalır.

Frañó, "Aslında bir anı böyle görünüyor," dedi. "Cihaz, malzemeyi bozduğunuzu hatırlıyor. Artık elektriğin daha iletken ve daha kolay akması için yollar oluşturmak üzere bu iyonların gittiği yerlere ince ayar yapabilirsiniz."

Geleneksel olarak, dizüstü bilgisayar gibi bir şeye güç sağlamak için yeterli elektriği taşıyan ağlar oluşturmak hem verimsiz hem de pahalı olan sürekli bağlantı noktalarına sahip karmaşık devreler gerektirir. Q-MEEN-C'nin tasarım konsepti çok daha basittir çünkü deneydeki yerel olmayan davranış, bir devredeki tüm tellerin birbirine bağlanması gerekmediği anlamına gelir. Bir parçadaki hareketin tüm ağ boyunca hissedilebildiği bir örümcek ağı düşünün.

Bu, beynin nasıl öğrendiğine benzer: doğrusal bir tarzda değil, karmaşık katmanlarda. Her bir öğrenme parçası, beynin birçok alanında bağlantılar oluşturarak, yalnızca ağaçları köpeklerden değil, meşe ağacını palmiye ağacından veya golden retriever'ı kanişten ayırmamıza olanak tanır.

Bugüne kadar, beynin çok güzel bir şekilde yürüttüğü bu örüntü tanıma görevleri, yalnızca bilgisayar yazılımı aracılığıyla simüle edilebilir. ChatGPT ve Bard gibi yapay zekâ programları, düşünme ve yazma gibi beyin temelli etkinlikleri taklit etmek için karmaşık algoritmalar kullanır. Ve bunu gerçekten iyi yapıyorlar. Ancak onu destekleyecek gelişmiş donanım olmadan, yazılım bir noktada sınırına ulaşacaktır.

Frañó, şu anda yazılımda meydana gelene paralel bir donanım devrimi için can atıyor ve yerel olmayan davranışları sentetik bir malzemede yeniden üretmenin mümkün olduğunu göstermek bilim adamlarını bir adım daha yaklaştırıyor. Bir sonraki adım, daha ayrıntılı konfigürasyonlarda daha fazla elektrot ile daha karmaşık diziler oluşturmayı içerecektir.

Aynı zamanda ortak yazar olan Dynes, "Bu, beyin fonksiyonlarını anlama ve simüle etme girişimlerimizde çok önemli bir adımdır" dedi. "Yerel olmayan etkileşimlere sahip bir sistemi göstermek, bizi beynimizin nasıl düşündüğü yönünde daha da ileriye götürür. Beyinlerimiz elbette bundan çok daha karmaşıktır, ancak öğrenme yeteneğine sahip bir fiziksel sistem oldukça etkileşimli olmalıdır ve bu da gerekli bir ilk adım. Artık uzay ve zamanda daha uzun menzilli tutarlılığı düşünebiliriz"

Frañó, "Bu teknolojinin gerçekten patlaması için, donanımı geliştirmenin yollarını bulmamız gerektiği yaygın olarak anlaşılıyor." "Bir sonraki aşama, fiziksel özellikleri öğrenmeyi gerçekleştiren verimli makineler yarattığımız aşama olacak. Bu bize yapay zekâ dünyasında yeni bir paradigma kazandıracak."