Çin Bilimler Akademisi Şanghay Mikrosistem ve Bilgi Teknolojileri Enstitüsü'nün de katkı sunduğu araştırmada geliştirilen çipin, geleneksel işlemcilere kıyasla hem hız hem de enerji verimliliği açısından önemli avantajlar sunduğu ortaya kondu. Araştırmacılar, teknolojinin özellikle tıbbi görüntüleme, beyin haritalama ve yapay zeka tabanlı biyolojik modellemelerde kullanılabileceğini belirtiyor.
HESAPLAMA DOĞRUDAN BELLEKTE YAPILIYOR
Geleneksel bilgisayar mimarilerinde işlemci ile bellek arasında sürekli veri taşınması gerekiyor. Bu veri trafiği, özellikle büyük ve karmaşık hesaplamalarda işlem sürelerinin uzamasına ve enerji tüketiminin yükselmesine neden oluyor.
Yeni çip ise hesaplamaları verinin tutulduğu bellek üzerinde gerçekleştiren bir mimariye dayanıyor. Böylece işlemci ve bellek arasındaki veri transferi büyük ölçüde ortadan kaldırılırken, beyin modelleme işlemlerinin daha kısa sürede ve daha düşük enerji harcayarak gerçekleştirilmesi sağlanıyor.
KÜÇÜK BOYUTUNA RAĞMEN YÜKSEK PERFORMANS
40 nanometrelik üretim teknolojisiyle hazırlanan çip yalnızca 0,28 milimetrekarelik bir alan kaplıyor. 50 MHz çalışma frekansına sahip sistem, nöral dinamik hesaplamalarında gelişmiş ASIC işlemcilere göre 3,82 ila 36,27 kat arasında daha yüksek hız elde etti.
Enerji verimliliğinde de dikkat çekici sonuçlar ortaya çıktı. Çipin, karşılaştırılan ASIC işlemcilere göre 11,75 ila 24,73 kat daha az güç tükettiği belirlendi.
Beyin kabuğunun yüzeyini yeniden oluşturma görevinde ise performans farkı daha da belirginleşti. Araştırmacılara göre sistem, NVIDIA A100 GPU ile yapılan karşılaştırmada bazı işlemlerde 478 kata kadar daha yüksek hız sağlayabilir.
BEYNİN KARMAŞIK YAPISINI KORUYOR
Çip üzerinde gerçekleştirilen testlerde beynin gri ve beyaz madde arasındaki sınırları başarıyla modellediği görüldü. Sistem, beynin doğal kıvrımlarını koruyarak üç boyutlu yüzey ağlarını oluşturabilir.
Ortaya çıkan modellerin yalnızca pürüzsüz olması değil, aynı zamanda beynin gerçek topoğrafik yapısıyla uyumlu olması da çalışmanın öne çıkan sonuçları arasında yer aldı. Bu özellik, özellikle hassas beyin haritalama uygulamaları açısından önem taşıyor.
