Uzamsal‑zamansal nöromorfik hesaplama için protonik nikelat cihaz ağları

Neden beyin gibi düşünen küçük cihazlar önemli

Bugünün yapay zekâsı enerji yiyen dev veri merkezlerinde çalışıyor. Oysa beynimiz, çok daha zengin hesaplamaları neredeyse bir loş ampulün gücünü tüketir gibi yapıyor. Bu makale beyne benzeyen donanıma yönelik bir adımı bildiriyor: bilgi­yi uzay ve zamanda işleyebilen, yakın geçmişi hatırlayan ve konuşulan rakamlar ile epileptik nöbetlerin erken belirtileri gibi desenleri tanıyabilen özel bir oksit malzemeden yapılmış yeni tür küçük cihaz ağları — tümü geleneksel yongalardan çok daha düşük enerji bütçesiyle.

Hem hatırlayan hem yanıt veren bir malzeme

Araştırmacılar sistemlerini perovskit nikelat olan NdNiO₃ adlı kristalimsi bir oksitten inşa ediyor; bu malzemenin elektriksel özellikleri hidrojeni içeri almakla dramatik biçimde değişiyor. Hidrojen atomları metal bir kontak yakınına girdiğinde elektron bağışlayarak o bölgeyi iyi iletkenden çok daha dirençli bir duruma çeviriyor. İnce bir nikelat filmine paladyum (Pd) ve altın (Au) elektrotlar yerleştirip hidrojen içinde tavlama uygulayarak ekip, seçili kontakların altında “hidrojen bulutları” oluşturuyor. Kısa voltaj darbeleriyle bu bulutları hareket ettirmek, akımın ne kadar kolay aktığını değiştiriyor; aynı film bazen hızlı, sönümlenen bir yanıt elemanı gibi davranıyor, bazen de kararlı bir hafıza hücresi gibi.

Tek bir çipte iki katman: hızlı dinamikler ve kalıcı bellek

Donanım platformu, tamamen bu nikelat filminden yapılmış basit bir yapay beyin gibi düzenlenmiş

Komşular önemli olduğunda: ortaya çıkan ağ davranışı

Ana ilerleme, işleme katmanının izole elemanlar gibi davranmaması. Bir Pd–Pd düğümüne darbe geldiğinde, nikelat filmindeki hidrojen ve voltajın yeniden dağılımı komşu düğümlerin deneyimlediği alanları ince bir şekilde değiştiriyor. Küçük dizilerde yapılan deneyler, “referans” cihazdaki akımın civardaki düğümler de darbeler aldığında daha büyük hale geldiğini gösteriyor; bu etkinin basit fiziksel mesafeden çok onların hidrojen bulutlarının nasıl karşılaştırıldığına daha çok bağlı olduğu görülüyor. Simülasyonlar, bu alt tabaka aracılı etkileşimlerin toplam potansiyel manzarayı yeniden şekillendirdiğini doğruluyor. Sonuç, ağ düzeyinde davranış: birçok düğüm arasındaki etkinlik deseni tek bir cihazın verdiğinden daha zengin bilgi taşıyor; bu, beyindeki nöron gruplarının işbirliğini andırıyor.

Basit desenlerden konuşma ve beyin dalgalarına

Uygulamalı hesaplama göstermek için yazarlar önce nikelat dizilerini kompakt bir desen‑tanıma deneyine bağlıyor. Basit 5×5 siyah‑beyaz şekiller Pd–Pd katmanını sürmek için voltaj patlama dizilerine dönüştürülüyor. Seçili pad’lerdeki evrilen akımlar daha sonra Pd–Au çıkış katmanını besleyen voltajlara çevriliyor; bu katmanın dirençleri desenler arasında ayrım yapacak şekilde eğitiliyor. Donanım girdileri doğru sınıflandırıyor; bu da uzamsal‑zamansal işleme ile doğrusal bir okumanın aynı malzeme üzerinde tam bir tanıma hattını uygulayabileceğini gösteriyor. Ekip daha sonra ölçülen cihaz davranışlarına dayanan çok daha büyük ağları modelleniyor. Konuşulan rakam tanıma için ses dalga formları, nikelat işleme katmanına girmeden önce birçok frekans kanalında patlama dizilerine ön‑işleniyor

Geleceğin akıllı donanımı için bunun anlamı

Günlük ifadeyle bu çalışma, tek bir dikkatle tasarlanmış malzemenin hem hızlı giriş akışlarını “hissetebileceğini” hem de sonraki kararlar için önemli olanı “hatırlayabileceğini” gösteriyor; bu, basitleştirilmiş bir beyin dokusu parçasına benziyor. Nikelat cihazlar nanosaniye darbelerinde ve çok küçük enerji miktarlarında çalıştığı için ses, konuşma veya tıbbi sinyalleri gerçek zamanlı olarak uzak sunuculara göndermeden analiz eden kompakt, düşük güçlü yongalara yönelik umut verici bir yol sunuyor. Aynı ilkeler—proton (hidrojen) hareketinin elektrik yollarını şekillendirmesi ve cihazların paylaşılan bir alt tabaka aracılığıyla birbirini etkilemesi—diğer ileri malzemelerle genişletilebilir veya birleştirilebilir; bu da uzay‑ve‑zamana bağlı hesaplamaları doğal olarak gerçekleştiren donanımın önünü açıyor, tıpkı beynimizin bunu kolaylıkla yapması gibi.

Atıf: Zhou, Y., Shah, S., Dey, T. et al. Protonic nickelate device networks for spatiotemporal neuromorphic computing. Nat. Nanotechnol. 21, 579–587 (2026). https://doi.org/10.1038/s41565-026-02133-0

Anahtar kelimeler: nöromorfik donanım, protonik nikelat, uzamsal‑zamansal hesaplama, rezervuar hesaplama, düşük güçlü yapay zeka