Kore İleri Teknoloji Enstitüsü’nden (KAIST) bir araştırmacı ekibi, kendi kendine öğrenme ve gerçek zamanlı hata düzeltme yeteneğine sahip, memristör tabanlı yeni bir nöromorfik çip geliştirdi. İnsan beyninin işleyişini taklit eden bu çip, veri depolama ve işlemeyi birleştirerek mevcut sistemlerden önemli ölçüde daha verimli hale getiriyor.
Teknoloji, bilginin yerel olarak işlenmesine olanak tanıyarak akıllı kameralar ve tıbbi ekipmanlar gibi çeşitli cihazlardaki yapay zeka uygulamalarının hızını, güvenliğini ve enerji verimliliğini artırıyor.
Geliştirmenin önemli bir özelliği, değişken direnç özellikleri sinir ağlarındaki sinapsların yerini alan yeni nesil bir yarı iletken cihaz olan memristörün kullanılmasıdır. Bu çözüm sayesinde veri işleme ve depolama aynı anda gerçekleşerek beyin hücrelerinin çalışmasını taklit eder.
Teknolojinin önde gelen geliştiricileri KAIST’ten Hakcheon Jeong ve Seungjae Han, “Bu sistem, sürekli olarak masalar ve dosya dolapları arasında hareket etmek yerine, her şeyin kol mesafesinde olduğu akıllı bir çalışma alanı gibidir” diye açıklıyor.
Oluşturulan çip, bağımsız olarak videodaki hareketli nesneleri tanımayı, arka plandan ayırmayı öğrenebiliyor ve bu sürecin verimliliği zamanla artıyor. Araştırma sırasında, cihazın doğruluğu, görüntüleri gerçek zamanlı olarak işlerken ideal bilgisayar simülasyonları seviyesine ulaştı.
Yeni teknoloji, karmaşık verileri işlerken geleneksel bilgisayar sistemlerinin verimsizliği sorununu çözecek ve yapay zeka görevlerinin uzak bulut sunucuları kullanılmadan yerel olarak gerçekleştirilmesine olanak sağlayacak. Bu, veri işlemeyi önemli ölçüde hızlandıracak, çeşitli cihazların gizlilik düzeyini ve enerji verimliliğini artıracaktır.
Geliştirme, şüpheli aktiviteyi hızlı ve güvenli bir şekilde tespit etmek için akıllı CCTV kameralarında, hasta sağlık verilerini gerçek zamanlı olarak analiz etmeye yönelik tıbbi cihazlarda ve ayrıca robotlar, dronlar ve sürücüsüz arabalar gibi çeşitli yapay zeka cihazlarında kullanılabilir. Çip, enerji verimliliği sayesinde mobil ve Nesnelerin İnterneti cihazlarında kullanıma uygun.
