Memristörler Yapay Zekayı Daha İnsan Benzeri Hale Getiriyor

Nöromorfik, Beyin Benzeri AI Donanımının Yükselişi

As AI teknoloji endüstrisinin merkezi haline geldikçe, giderek büyüyen bir sorun ortaya çıktı: AI’nın CPU ve GPU’lar kullanılarak çalıştırıldığında ortaya çıkan devasa hesaplama ve enerji talebi.

Sonuç olarak, araştırmacılar beyin nöronlarını taklit eden bir AI donanımı türü olan Nöro İşlem Birimleri (NPU’lar), aynı zamanda nöromorfik çipler olarak da adlandırılan cihazlar üzerinde yoğun çalışıyor.

“Sorun, çiplerimizin ya da bilgisayarlarımızın yaptıkları işi yapacak kadar güçlü olmaması değil. Sorun, yeterince verimli olmamaları. Çok fazla enerji tüketiyorlar.”

Professor Joshua Yang – University Of Southern California

Beyin esinli donanıma geçiş, yapay zekaya yaklaşımımızı yeniden şekillendirebilir. Nöromorfik tasarımlar, geleneksel çiplere göre üç büyük avantaj sunar:

• Uyarlanabilir mimari: eğitim verilerine göre kendini yeniden yapılandırabilen devre.
• Radikal enerji verimliliği: bazı durumlarda, bir GPU’nun gücünün sadece 1/100^th kadarını kullanarak.
• Daha düşük ısı çıkışı: günümüz AI veri merkezlerini zorlayan maliyetli soğutma gereksinimlerini azaltır.

(Daha fazla bilgi edinebilirsiniz AI’ye özel donanım, NPUs dahil, konuyla ilgili ayrıntılı raporumuzda .)

“Gerçek sinir aktivitesini taklit eden mikroçipler geliştirebilmek, cihaz beklemede ya da kullanılmadığında çok fazla enerjiye ihtiyaç duymadığı anlamına geliyor.

Bu, büyük bir potansiyel hesaplama ve ekonomik avantaj sağlayabilir.

”

John LaRocco – Ohio State’s College of Medicine’de psikiyatri araştırma bilimcisi.

Araştırmacılar, nöromorfik çipler oluşturmak için çeşitli umut verici yöntemleri test ediyor. Bir yaklaşım, hâlâ tam olarak anlaşılmamış bir fenomen olan başlangıç ​​ferroelektrikliği kullanmayı içeriyor—bu, malzemelerin doğru koşullar altında kendiliğinden elektriksel polarizasyonlarını değiştirmesine olanak tanıyabilir. Diğer bir yaklaşım ise vanadyum veya titanyumdan yapılan aktif alt tabakalara odaklanıyor; bu malzemeler, beyin benzeri sinyal iletimini taklit etmek için elektriksel özelliklerini dinamik olarak değiştirebilir.

Belki de en çok tartışılan yol, memristörlerin kullanılmasıdır—rezistans değişiklikleriyle bilgi depolayabilen devrim niteliğinde bir elektronik bileşen sınıfı. Bu cihazlar, AI görevlerini normal güç tüketiminin sadece 1/800^th kadarında gerçekleştirebilir ve böylece geliştirilmekte olan en enerji verimli çözümlerden biri olurlar.

Memristörler Sinapsları Nasıl Taklit Eder

Kaydırmak için kaydırın →

Memristörler, nöron bağlayan sinapsları taklit eden elektronik bileşenlerdir güçleri kapatıldıktan sonra hangi elektrik durumuna geçtiklerini hatırlayarak.

Bu, işlemciler ve bellek arasında veri taşıma sırasında kaybedilen enerji ve zamanı büyük ölçüde azaltabilir.

Memristörlerin temel güçlerinden biri, robotik ve otonom araç uygulamaları için kritik olan verimli ve yerinde kendiliğinden uyarlamalı öğrenme kapasiteleridir.

Ayrıca, memristörlerin düşük güç tüketimi, enerji verimliliğinin hayati olduğu robotik ve otonom araçlarda özellikle faydalıdır.

En iyi memristörleri yaratmanın çeşitli yolları araştırılıyor; nispeten geleneksel titanyum oksit memristörlerinden gerçek insan nöronları (organoidler) ya da hatta mantarlara kadar.

Organik malzeme, özellikle gerçek nöronlar kullanarak nöron aktivitesini taklit etme fikri teorik olarak mantıklı. Ancak, pratikte böyle bir “bilgisayarı” geleneksel BT sistemlerine bağlamak zorlayıcı olabilir.

Mevcut bilgisayar sistemlerimiz, devasa miktarda veriyi işlemek ya da kendi başlarına sadece birkaç örnekten öğrenmek için tasarlanmamıştır.

Enerji ve öğrenme verimliliğini artırmanın bir yolu, beyin içinde gözlemlenen prensiplere göre çalışan yapay sistemler inşa etmektir.

Professor Joshua Yang – University Of South California

Bu verimsizlik, insan beyniyle karşılaştırıldığında çarpıcıdır. Küçük bir çocuk, her birinden sadece birkaç örnek gördükten sonra el yazısı rakamları tanımayı öğrenebilir, oysa bir bilgisayar aynı görevi başarmak için genellikle binlerce örnek gerekir.

İnsan beyni bu başarıyı yaklaşık 20W güç tüketerek gerçekleştirirken, en yeni AI veri merkezleri GW ölçeğinde, yani neredeyse yüz milyon kat daha fazla güç tüketiyor.

Yeni bir ara seçenek, temel prensipte nöron gibi davranan yapay çipler yaratmak olabilir. Bu yol, Güney Kaliforniya Üniversitesi, Kaliforniya Üniversitesi, Massachusetts Üniversitesi, Syracuse Üniversitesi, Hava Kuvvetleri Araştırma Laboratuvarı ve NASA Ames Araştırma Merkezi’ndeki araştırmacılar tarafından izleniyor.

Sonuçlarını Nature Electronics¹ dergisinde, “Bir difüzif memristör, bir transistör ve bir direnç üzerine kurulu bir atımlı yapay nöron” başlığıyla yayınladılar.

Nöronların Atılımını Difüzif Memristörlerle Yeniden Oluşturma

Nöronlar Nasıl Çalışır

Nöronların birbirleriyle etkileşimi ve nihayetinde bilgiyi işlemesi, hem elektriksel hem de kimyasal sinyaller kullanılarak gerçekleşir.

Sinyal yeterince güçlü olduğunda, pozitif yüklü sodyum iyonlarının hücreye akmasına izin vererek bir aksiyon potansiyeli adlı elektriksel darbe oluşturur.

Kaynak: Nature Electronics

Bu elektrik sinyali alındığında, nörotransmitterlerin salınmasına neden olur.

Şu ana kadar, elektronik memristörler ve tamamlayıcı metal‑oksit‑yarı iletken (CMOS) devreleri, böyle bir işlevi sanal olarak simüle etmek için elektrik sinyallerini kullandı ve bir nöronu simüle etmek için yüzlerce transistör gerektirdi.

Bunun yerine, araştırmacılar “difüzif memristör” adlı bir cihaz geliştirdi; bu cihaz da hesaplama süreçlerini başlatmak için gerçek kimyasal etkileşimleri kullanıyor.

Difüzif Memristörler Nedir ve Nasıl Çalışırlar

Geleneksel silikon sistemleri hesaplamaları gerçekleştirmek için elektrona dayanırken, difüzif memristörler atom hareketini kullanır. Gümüş iyonlarını oksit malzemelere gömerek doğal beyin fonksiyonlarını taklit eden elektriksel darbeler üretirler.

Kaynak: Nature Electronics

Elbette bu, bir nöronun tam olarak nasıl çalıştığını yeniden üretmez, ancak prensip çok benzerdir.

“Yapay sinapslarımız ve nöronlarımızdaki iyonlar tam olarak aynı olmasa da, iyon hareketini ve dinamikleri yöneten fizik çok benzer.”

Professor Joshua Yang – University Of South California

Bu benzerliğin bir kısmı, gümüş iyonlarının bu memristör sisteminde kolayca difüze olabilmesinden kaynaklanır; bu, sodyum iyonlarının organik hücrelerde hareket etmesine benzer.

Gümüşün yanı sıra, memristör palladyum, silikon, titanyum ve hafniyum da kullanır. Araştırma, elektriksel uyarıya yanıt olarak gümüşün difüzyonunu gerçek zamanlı olarak görselleştirebildi.

Kaydırmak için kaydırın →

Gelecek: Nöromorfik Çipler ve Enerji‑Verimli AI

Bu yeni memristör tipinin temel avantajı, tek bir transistör ayak izine sığabilmesidir; eski tasarımlar ise onlarca hatta yüzlerce transistör gerektiriyordu.

İlk test, sadece birkaç difüzif memristör kullanarak, bunların bugün neredeyse tüm AI sistemleri tarafından kullanılan tipik çok‑katmanlı sinir ağını inşa etmek için kullanılabileceğini gösterdi.

Kaynak: Nature Electronics

Bir sonraki adım, bu sistemlerin çok daha fazlasını bir araya getirerek, AI görevlerini gerçekte ne kadar verimli gerçekleştirebileceklerini test etmek olacak.

“Çip boyutunu ve enerji tüketimini mertebe mertebe azaltmamızı sağlayan yapı taşlarını tasarlıyoruz.

Bu sayede gelecekte AI’ı sürdürülebilir bir şekilde, benzer bir zeka seviyesinde, tüketemeyeceğimiz enerjiyi harcamadan çalıştırabiliriz.

”

Professor Joshua Yang – University Of South California

Diğer iyonların kullanılabilirliğini araştırmak da faydalı olabilir; çünkü gümüş iyonları yarı iletken üretiminde yaygın olarak kullanılmaz ve bu, endüstrinin bu tasarımı benimseme hızını sınırlayabilir.

Difüzif memristörlerin bir diğer etkisi, biyolojik beyinlerin nasıl çalıştığını daha iyi anlamamıza yardımcı olabilmeleridir.

Uzun vadede, özellikle “kenar bilişim” olarak adlandırılan alanda faydalı olacaklardır; burada hesaplama doğrudan sahada, örneğin bir robot ya da AI veri merkezine bağlanmadan karar vermesi gereken otonom bir araçta yapılır.

Nöromorfik Çip Üreticilerine Yatırım

Intel (INTC )

Intel, yarı iletken sektörünün bir devi ve yıllar içinde sektörü kuran bir firma olarak bilim ve inovasyon lideri konumuna evrilmiştir; üretim hacmi açısından Taiwan’ın TSMC’si gibi şirketlere göre birincilik konumunu kaybetmiştir.

Intel, Loihi 2 çipi dahil olmak üzere nöromorfik bilişimde liderdir.

Ayrıca, Intel Nöromorfik Araştırma Topluluğu‘nu oluşturdu; bu topluluk, vanadyum dioksit araştırmalarına katılan Pennsylvania State University ve birçok diğer potansiyel nöromorfik tasarım ile 75+ başka araştırma grubunu içerir.

Intel, aynı zamanda beyin işleyişimizi taklit ederek biyolojik duyuları taklit etme konusunda da çok aktif (bu konuyu “Biomimetic Olfactory Chips: Are Artificial Intelligence and E-Noses the Next Canary in a Coal Mine?” makalemizde daha ayrıntılı ele aldık).

Genel olarak, Intel Lab’den yapılan araştırmalar, AI, kuantum bilişim, nöromorfik bilişim vb. alanlarda yarı iletken yeniliklerinin ön saflarında yer alıyor (Intel’in kuantum bilişimindeki ilerlemelerini “The Current State of Quantum Computing” makalemizde tartıştık).

Ayrıca, Intel’in mevcut iş ve Ar-Ge programları hakkında ayrıntılı yatırım raporumuzda daha fazla bilgi edinebilirsiniz.

En Son Intel (INTC) Hisse Senedi Haberleri ve Gelişmeler

Referans Çalışma

^{1. Zhao, R., Wang, T., Moon, T. et al. A spiking artificial neuron based on one diffusive memristor, one transistor, and one resistor. Nature Electronics (2025). https://doi.org/10.1038/s41928-025-01488-x}