Derin öğrenmede bellek içi hesaplama için 2B süperiyonik iletkene dayalı multimodal iyon-kapılı transistör

Beyinden İlham Alan Daha Akıllı Çipler

Modern yapay zeka etkileyici işler yapıyor ama büyük miktarda enerji tüketiyor; bunun başlıca nedeni günümüz çiplerinin veriyi bellek ile işlemciler arasında sürekli taşımalarıdır. Bu makale, bir sinapsa, yani bir sinir hücresi bağlantısına daha çok benzeyen yeni bir tür küçük elektronik aygıtı tanımlıyor. Hesaplama ve sinyal şekillendirmeyi aynı noktada ele alarak, bu aygıtlar gelecekteki yapay zeka donanımını daha hızlı ve çok daha enerji verimli hâle getirebilir; bu da akıllı telefonlardan otomobil ve tıbbi giyilebilir cihazlardaki uç sensörlere kadar pek çok alana fayda sağlayabilir.

Mevcut Yapay Zeka Donanımı Neden Verimsiz?

Çoğu yapay zeka algoritması iki temel adıma dayanır: sinyalleri birleştirmek için sayıların çarpılıp toplanması ve ardından hangi desenlerin önemli olduğuna karar veren kavisli bir “aktivasyon” adımından geçirme. Geleneksel çipler bu adımları ayrı bloklarda gerçekleştirir. Veri dijital ve analog biçimler arasında dönüştürülmek ve çip üzerinde tekrar tekrar taşınmak zorunda kalır; bu da zaman ve enerji maliyeti getirir. Mühendisler, bir bağlantının gücünü depolayabilen ve aynı zamanda aktivasyona benzer doğrusal olmayan etkiyi uygulayabilen tek bir fiziksel aygıt istiyor; ancak tipik elektronik bileşenler bu iki işten yalnızca birini iyi yapabiliyor. Her ikisini birden yapmaya çalışıldığında ise genellikle kararsızlık veya doğruluk kaybı ortaya çıkıyor.

Yeni Bir Transistör YapıTaşı

Yazarlar, bu bulmacayı şaşırtıcı bir şekilde çözen ultra ince, katmanlı kristallerden yapılmış bir transistör tanıtıyor. Aygıt, özel bir iyon-iletken katman olarak CdPS3-Li adlı iki boyutlu bir malzeme ile elektrik akımını taşıyan başka bir iki boyutlu yarıiletken olan MoS2’nin üst üste istiflenmesini kullanıyor. CdPS3-Li katmanı, bazı yönlerde kolayca hareket edebilen lityum iyonları içerir ancak diğer yönlerde hareketi sınırlıdır; ayrıca yükü tutabilecek boşluklara (vakanslar) sahiptir. Elektriksel bir darbe uygulandığında, lityum iyonları MoS2 katmanıyla olan sınırına doğru kayar ve orada kalır, bu da aygıtın iletkenliğini güçlü biçimde değiştirir. Işık cihaza düştüğünde ise MoS2 katmanında yaratılan yükler bu vakanslara çekilir ve zamana bağlı, zengin tepkiler ortaya çıkar.

Işığı ve Elektriği Beyin Benzeri Sinyallere Çevirmek

Bu tasarım sayesinde aynı transistör doğal olarak iki çok farklı ama tamamlayıcı davranışı destekleyebilir. Elektrik darbeleri altında, aygıt ayarlanabilir ağırlıklar gibi davranan birçok kararlı direnç seviyesi sunar; bu seviyeler düzgün ve öngörülebilir şekilde değişir. Bu seviyeler uçucu değildir; yani darbe sona erdikten sonra da kalırlar ve aygıt onlarca ayrı durumu güvenilir biçimde ardışık olarak alabilir, aşınma göstermeden. Oysa ışık darbeleri altında akım yükselir ve ardından kavisli şekilde azalır; bu zaman bağımlı düşüş, derin öğrenmede yaygın olarak kullanılan aktivasyon eğrilerine yakın matematiksel fonksiyonlarla iyi uyum sağlar. Araştırmacılar ışık darbelerinin şiddetini, süresini ve sayısını ayarlayarak tepkilerin ne kadar hızlı sönümlendiğini şekillendirebilir; böylece donanımda farklı aktivasyon profillerini etkili şekilde “programlayabilir”ler.

Tek Aygıtlardan Çalışan Yapay Zeka Dizilerine

Bunun bir laboratuvar merakı olmadığını göstermek için ekip, bu transistörlerden diziler kurdu ve bunları gerçek bir sinir ağının parçalarını çalıştıracak şekilde bağladı. Bir dizi çarpma ve toplama adımını gerçekleştiriyor: her aygıtın depoladığı direnç bir ağırlığı temsil ediyor ve bir ızgaraya uygulanan gerilimler sayesinde akımlar devre fiziği kurallarına göre doğal olarak toplanıyor. Daha küçük ikinci bir dizi ise dikkatle zamanlanmış ışık darbelerine maruz bırakılıyor; bu dizinin sönümlenen akımları aktivasyon adımını uyguluyor. Bu iki modülü geleneksel kontrol elektroniği ile koordine ederek araştırmacılar el yazısı rakamları tanıyacak bir ağı eğitti ve yüzde 97’nin üzerinde bir doğruluk elde etti—tamamen sayısal sistemlerle karşılaştırılabilir bir başarı, ancak bellek ve işlemeyi içsel olarak birleştiren bileşenlerle sağlandı.

Günlük Teknoloji İçin Anlamı

Uzman olmayan biri için ana mesaj şudur: bu yeni iyon tabanlı, ışığa duyarlı transistörler geleneksel silikon anahtarlardan çok daha fazla biyolojik sinapsa benziyor. Bağlantı güçlerini hatırlayabiliyor, elektriksel ve optik uyaranlara farklı şekilde yanıt verebiliyor ve bunu çok düşük enerji maliyetiyle yapabiliyorlar. Hemen yarın telefonunuzdaki çiplerin yerini alacak durumda olmasalar da, daha yoğun, daha verimli ve beyne daha yakın yapay zeka donanımına işaret ediyorlar. Bu tür ilerlemeler sonunda küçük, pil ile çalışan cihazlara güçlü öğrenme sistemleri sığdırmayı mümkün kılabilir; böylece daha akıllı algılama ve karar verme, verinin üretildiği yere daha yakın hale gelir.

Atıf: Tong, B., Du, T., Du, J. et al. Multimodal ion-gated transistor based on 2D superionic conductor for in-memory computing in deep learning. Nat Commun 17, 4127 (2026). https://doi.org/10.1038/s41467-026-70587-w

Anahtar kelimeler: nöromorfik hesaplama, bellek içi hesaplama, iyon-kapılı transistör, 2B malzemeler, derin öğrenme donanımı