Bilim İnsanları, İnsan Beyin Hücrelerinin İşlevini Taklit Eden Bilgisayar Yongaları Tasarlıyor
Robert L. Degenhardt
AT&T Bell Laboratories
101 J. F. Kennedy Parkway
Short Hills, NJ 07078
Bazı beyin hücrelerinin depolanmış bilgiyi geri çağırma ve problemleri çözme biçimini taklit edebilecek deneysel bilgisayar yongaları, yeni bilgisayar mimarileri geliştirmeye çalışan AT&T Bell Laboratories bilim insanları tarafından test edilmektedir. Araştırmacılar, canlı organizmaların bugün bilgisayarlardan çok daha hızlı ve verimli biçimde gerçekleştirdiği, çağrışım yoluyla “tanıma” ve “hatırlama” görevlerini yerine getirebilen özel makineler geliştirmeyi ummaktadır.
Elektronik sinir ağları (ENN’ler) olarak adlandırılan yeni yonga tasarımları, dirençler ve yükselteçler gibi birçok basit bileşenden oluşan, kompakt ve yoğun biçimde birbirine bağlı ağlardır. Canlı karşılıkları gibi, bu yapay “nöronlar” da hızlı yanıtlar elde etmek için sürekli ve toplu halde çalışır. Şu ana kadarki en karmaşık yonga—256 elektronik nöron—henüz test edilmemiştir. Yaklaşık çeyrek inç karelik bir silikon alan üzerinde, yaklaşık 25.000 transistör ve 100.000’den fazla direnç içermektedir. Önceki yongalarda birkaç düzine “nöron” bulunmaktaydı.
Yongaların devre yapısındaki temel öğeler, doğadaki basit sinapsların (nöronlar arasındaki, sinir uyarılarının yalnızca tek yönde iletildiği temas bölgeleri) olası elektriksel eşdeğeri olan dirençlerdir. Dirençler matrisi, yükselteçleri (nöronları) birbirine bağlar. Sinir ağı bellek depolama için kullanıldığında, bilgi geleneksel bilgisayar belleğinde olduğu gibi belirli noktalarda değil, tüm ağa dağıtılır. Bellek elektriksel olarak sorgulandığında, yanıtlar tek tek oyunculardan değil, bir nöron ekibinden geliyormuş gibidir.
Araştırmacılar, ENN yongalarının bilgiyi yaklaşık 400 nanosaniyede (saniyenin milyarda biri) geri çağırmasını beklemektedir; bu, biyolojik nöronlardan çok daha hızlıdır. Bilim insanları, bazı yongaların bir görüntüden ya da bir karakter kümesinden önemli özellikleri çıkarmak için özel görüntü işlemcileri olarak kullanımını araştırmayı planlamaktadır. Ağın çağrışımsal davranışı, bozulmuş özellikleri tanımasına ve onları doğru biçimde sınıflandırmasına olanak tanıyacaktır.
Yonga araştırmaları, AT&T Bell Laboratories’in Moleküler Biyofizik Araştırma Bölümü’ndeki çalışmalardan esinlenmiştir. Buradaki bilim insanları, tekil sinir hücrelerinde ve basit organizmalarda bilgi işleme süreçlerini incelemekte ve optimizasyon ile bellek problemlerini çözmek için sinir ağlarına yönelik matematiksel modeller geliştirmiştir.
Sinir ağları, dirençlerin mevcut bilgisayar bellek yongalarında kullanılan transistörlere kıyasla alanın yalnızca bir bölümünü kaplaması ve daha az litografi katmanı gerektirmesi nedeniyle daha yüksek yonga yoğunluğuna olanak tanır. Bu bellekler, verilerin çağrışım yoluyla geri çağrılabilmesi nedeniyle geleneksel bellek yongalarından daha güçlüdür. Ayrıca araştırmacılar, elektron demeti litografisi kullanarak, güncel bilgisayar bellek yongalarındaki 1,25 mikronluk özelliklere kıyasla, mikronun onda biri (inçin dört milyonda biri) kadar küçük ayrıntılara sahip test yongaları üretebilmiştir.
Sinir ağlarının, günümüz dijital bilgisayarlarının işleyişinden ayrılan başka özellikleri de vardır:
- ENN’ler, günümüz bilgisayarlarının kullandığı yalnızca dijital biçim yerine analog (sürekli değerler) bilgi işleyebilir.
- Devrenin yalnızca bir bölümü değil, tamamı aynı anda hesaplamaya katılır; bu nedenle bazı zor problemler için “iyi” yanıtlar daha hızlı elde edilebilir.
- Bir ENN devresi bilgiyi eşzamanlı olarak geri çağırıp işleyebilir; bu sayede hatalı ya da eksik bir giriş sorgusu, tam ve “en yakın eşleşme” niteliğinde bir yanıt ortaya çıkarabilir.
- Bilgi küresel olarak depolandığından, tek bir kesişim noktası kritik değildir. Ağ hata toleranslıdır (yani bazı bölümler arızalansa bile doğru biçimde çalışmayı sürdürür); bu durum, her gün nöronların öldüğü, ancak işleme ve hatırlama işlevlerinin devam ettiği büyük biyolojik sistemlerde olduğu gibidir.