Neuromorfik Ardışık Görü İçin Tek Piksel-Çoklu Memristör Mimarisine Sahip Yerinde Veri-Hesaplama

Daha hızlı görmenin önemi

Bir telefon, robot veya otonom aracın kamerası dünyayı kaydederken önce görüntüleri yakalamalı, ardından analiz için ayrı bir çipe göndermelidir. Bu gidip gelmeler özellikle video akışlarında zaman ve enerji israfına yol açar. Bu makalenin arkasındaki çalışma, ışığın ilk düştüğü yerde neredeyse depolama ve işlemeyi aynı anda yapabilen yeni tür bir elektronik “göz”ü araştırıyor; ilhamını insan beyninin hareketli sahnelerle nasıl başa çıktığından alıyor.

Gözümüz ve beynimiz hareketi nasıl işler

İnsanlarda göz, ışığı sinirlere iletilen küçük elektriksel darbeler haline çevirir. Beyinde, kısa süreli görsel bellek yakın geçmişteki görüntüleri tutar ve daha derin tanımadan önce hızlı bir ön sıralama yapar. Bu erken filtreleme taşınması gereken bilgi miktarını azaltır ve beynin hem hızlı hem de enerji verimli kalmasına yardımcı olur. Yeni çalışma bu fikri ödünç alarak yapay görme sistemlerine yerel bir görsel çalışma belleği kazandırmayı hedefliyor.

Yeni bir piksel ve bellek ortaklığı

Araştırmacılar, her bir ışık algılayıcı pikselin çip üzerinde birçok küçük bellek elemanına bağlı olduğu bir donanım sistemi inşa ettiler. Memristör adı verilen bu elemanlar sadece açık-kapalı değil, değer aralıklarını depolayabildikleri için parlaklık tonlarını tutmaya uygundur. Tasarımda basit bir analog devre, pikselin ışık sinyalini doğrudan birden çok memristörü aynı anda programlayan bir voltaja dönüştürüyor. Bu tek pikselden çok memristöre düzeni, sahnenin kompakt bir haritasını doğrudan bellek ızgarasında oluşturuyor; retinadan çıkan sinir liflerinin birçok beyin hücresine yayılmasına benzer şekilde.

Görüntüler arasında hızlı kaydırma

Hareketli görüntüleri verimli yakalamak için ekip “kayan pozlama” stratejisini tanıttı. Tüm kareyi alıp uzak bir yere göndermek yerine sistem, memristör dizisine bir sütun piksel yazar, ardından tam görüntü depolanana kadar hızla bir sonraki sütuna geçer. Özel bir tek darbeli yöntem birçok memristörü paralel olarak programlayarak çok küçük bir kesinlik kaybını büyük bir hız kazancına değiştirir. Basit insan eylem silüetleri ve bir portre görüntüsü ile yapılan testler, çipten geri yüklenen görüntülerin bazı küçük gürültü bulunsa da ana şekil ve yüzleri güvenilir tanımaya yetecek kadar net tuttuğunu gösteriyor.

Görüntülerin yaşadığı yerde düşünme

Mevcut çoğu akıllı görme donanımı hâlâ algılama, depolama ve hesaplamayı ayırıyor. Buna karşılık bu sistem, görüntüyü tutan aynı memristör ızgarasının içinde “düşünmenin” bir kısmını gerçekleştiriyor. Araştırmacılar saklı görüntü üzerinde dikkatle seçilmiş voltaj desenleri uygulayarak ızgaranının kendisinin bir sinir ağının temel matematiksel adımlarını yapmasına izin veriyor. Sıkıştırılmış sonuçlar daha sonra sınıflandırmayı bitiren ikinci bir memristör bloğuna aktarılıyor. İyi bilinen bir insan eylem veri setinde yapılan testlerde donanım, koşma, zıplama ve yürüme gibi hareketleri yaklaşık %95,7 doğrulukla tanıyarak bilgisayar simülasyonlarına yakın performans sergiledi.

Bu yaklaşım makine gözlerini nasıl yeniden şekillendirebilir

Algılama, kısa süreli depolama ve erken işlem sıkı şekilde iç içe geçtiği için yeni mimari ayrı çipler arasında veri taşıma ihtiyacını büyük ölçüde azaltıyor. Yazarlar tasarımlarının görüntü yakalama ve depolama gecikmesini tipik bir standart hafıza kullanan dijital sisteme kıyasla yaklaşık iki bin kat azaltabileceğini ve görüntü işleme için gereken enerjiyi yaklaşık 160 kat aşağı çekebileceğini tahmin ediyor. Günlük kullanıcılar için bu, bir gün daha küçük, daha az ısınan ve daha tepki veren kameralar ile dünyayı bizim gibi izleyen, her andan yalnızca ihtiyaç duyduklarını alan görsel yönlendirmeli cihazlara dönüşebilir.

Atıf: Sun, Y., Tong, P., Shen, J. et al. Data-In-situ Computing with One-Pixel-Multiple-Memristor Architecture for Neuromorphic Sequential Vision. Nat Commun 17, 4244 (2026). https://doi.org/10.1038/s41467-026-70860-y

Anahtar kelimeler: neuromorfik görme, memristör, hafızada hesaplama, ardışık görüntüler, enerji verimli yapay zeka