Elektron‑optik analog bellekle nöromorfik fotonik hesaplama

Neden Daha Hızlı, Daha Az Enerji Tüketen Yapay Zeka Beyinleri Önemli

Günümüz yapay zekâsı, veriyi sürekli hafıza ile işlemciler arasında taşımak zorunda olan enerji yoğun çipler üzerinde çalışıyor. Bu trafik tıkanıklığı enerji israfına yol açıyor ve özellikle modeller büyüdükçe ve karmaşıklaştıkça hızı düşürüyor. Bu makaledeki araştırma, veri hareketini ciddi şekilde azaltmak ve gelecek AI donanımlarını hem daha hızlı hem de çok daha enerji‑verimli kılmak üzere yerleşik analog belleğe sahip yeni bir ışık tabanlı hesaplama devresi sunuyor.

Hesaplama İçin Yeni Bir Yol: Işık

Sadece metal tellerdeki elektronlara güvenmek yerine, nöromorfik fotonik işlemciler bilgiyi taşımak ve birleştirmek için ışık darbelerini kullanır; bu, sinyallerin nöron ağları boyunca akışını taklit eder. Işık aynı yol üzerinden aynı anda birçok renkte (farklı dalga boylarında) yol alabilir, bu da büyük paralellik ve son derece düşük gecikme sağlar. Bu özellikler, sinir ağlarında baskın olan “çarp ve topla” işlemlerinin yoğunluğunda fotonik çipleri çekici kılar. Ancak mevcut fotonik işlemcilerin çoğu, başka yerde dijital donanımda eğitilmiş ve sonra kopyalanmış sabit 'ağırlıklar' kullanıyor; bu da uyarlanabilirliği sınırlıyor ve geleneksel bellek ile dönüşüm devreleri üzerinde hâlâ büyük bir yük bırakıyor.

Hafızayı Işağın Yanına Taımak

Yazarlar bunu, her bir küçük optik cihazın —sinir ağı ağırlığını temsil eden— hemen yanına basit, üretime uygun analog bir bellek ekleyerek çözüyor. Temel yapı taşı dinamik elektro‑optik analog bellek (DEOAM): ışığı bir döngüde yönlendiren mikroskobik bir silisyum halkaya bağlı sıradan bir kondansatör. Kondansatörde depolanan küçük bir gerilim, halkanın geçen ışıkla etkileşimini hafifçe değiştirerek bir sinir bağlantısının gücünü ayarlıyor. Kondansatör bu gerilimi kısa bir süre tutabildiği için, her halkayı sürekli sürmek zorunda olan özel dijital‑analog çeviricilere artık gerek kalmıyor. Bunun yerine, çok daha küçük bir çevirici seti birçok halkayı sırayla güncelleyebilir; analog bellek programlanmış değerleri yerinde tutar.

Prototip Çip Nasıl Çalışıyor

Takım, standart elektronik ve nanofotonik öğeleri tek bir çipte birleştirerek ticari 90 nanometre silisyum platformunda bir nöromorfik fotonik devre üretti. Her biri kendi kapasitif bellek hücresiyle eşleştirilmiş bir halka rezonatör dizisi ve yazma, tutma ya da sıfırlama işlemleri için basit anahtarlar inşa ettiler. Bir gerilim yazıldığında, halkanın lazer ışığına yanıtı değişiyor; yazma devresi ayrıldığında kondansatör gerilimi tutuyor ve ışık programlanmış ağırlığı şarj yavaşça sızana kadar görmeye devam ediyor. Araştırmacılar önemli özellikleri ölçtü: bellek onlarca nanosaniyede yazılabiliyor, kullanılabilir bilgiyi yaklaşık binde bir saniye kadar saklıyor ve kabaca beş bitlik analog doğruluk sunuyor. Işık optik yollardan pikosaniyeler içinde geçtiği için hesaplama kendisi, bellek değerlerinin geçerli kaldığı süreye kıyasla son derece hızlıdır.

Gerçekçi Bir Sinir Ağıyla Test

Bu donanım sınırlarının pratik AI için ne anlama geldiğini anlamak amacıyla yazarlar, böyle bir ağırlık bankasının, MNIST veri setindeki el yazısı rakamlarla eğitilmiş küçük bir görüntü tanıma ağı içinde nasıl davranacağını simüle ettiler. 784 giriş, 50 gizli nöron ve 10 çıkıştan oluşan üç katmanlı ağı, halkalar ve analog belleklerden oluşan gerçekçi dizilere haritaladılar; gürültü, sınırlı hassasiyet, zaman sınırlı tutma ve diğer kusurlar dahil edildi. Çalışma gösteriyor ki çıkarım sırasında en az yaklaşık dört kontrol biti ve tam çip üzerinde eğitim sırasında daha fazlası olduğunda sistem %95’in üzerinde sınıflandırma doğruluğuna ulaşabiliyor. Ayrıca bellek tutma süresi, bir girdinin ağ boyunca geçiş süresinin en az 100 katı olduğu sürece, ağırlıklar yavaşça 'sızsa' bile doğruluğun %90’ın üzerinde kaldığını buldular. Başka bir deyişle, nispeten kısa ömürlü ve sızıntılı bir analog bellek, fotonik hesaplama çok hızlı olduğunda hâlâ çok yararlı olabilir.

Enerji Tasarrufu ve Tasarım Takasları

DEOAM’ın merkezi faydalarından biri dijital‑analog çevirici sayısındaki dramatik azalmadır. Geleneksel tasarımlarda her optik ağırlığın kendi çeviricisine ihtiyacı vardır, bu yüzden sayım ağ büyüklüğünün karesiyle artar. DEOAM ile çeviriciler satırlar veya sütunlar arasında paylaşılır ve sayım yalnızca doğrusal olarak artar. Prototiplerinden alınan gerçek ölçümler ve standart bellek ile çevirici devreleri için yayınlanmış verileri kullanarak yazarlar, böyle bir entegre analog‑bellekli fotonik mimarinin geleneksel SRAM artı çevirici düzenlerine kıyasla güç tüketimini 26 kata kadar azaltabileceğini tahmin ediyor. Ayrıca gürültü, eğitim sırasında parti boyutu ve analog belleğin periyodik tazelenme ihtiyacının genel performansı nasıl etkilediğini analiz ederek gelecekteki büyük ölçekli sistemler için pratik tasarım kurallarını çiziyorlar.

Gelecek AI Çipleri İçin Ne Anlama Geliyor

Uzman olmayanlar için ana mesaj şudur: Bu çalışma, ışığın hesaplamayı yapmasına izin verirken basit analog belleklerin ayarları yerinde tuttuğu bir yol göstererek son derece hızlı ve dramatik biçimde daha enerji‑verimli AI donanımına gerçekçi bir geçiş yolu sunuyor. Bu bellekler yavaşça solsa da, ağ bu 'unutkanlığı' düzenleme (regularizasyon) biçimi olarak tolere edebilir ve hatta bundan fayda sağlayarak aşırı uyumu (overfitting) önlemeye yardımcı olabilir. Belleği doğrudan çipin optik dokusuna örerek ve pahalı dönüşüm adımlarını keskin biçimde azaltarak, bu tür nöromorfik fotonik işlemciler anında öğrenen, değişen koşullara uyum sağlayan ve bugünün veri merkezlerinin dev enerji faturaları olmadan yüksek hızda çalışan geleceğin AI sistemlerine güç verebilir.

Atıf: Lam, S., Khaled, A., Bilodeau, S. et al. Neuromorphic photonic computing with an electro-optic analog memory. Nat Commun 17, 2472 (2026). https://doi.org/10.1038/s41467-026-69084-x

Anahtar kelimeler: nöromorfik fotonik, analog bellek, optik hesaplama, enerji‑verimli Yapay Zeka, silisyum fotonik