Otonom sistemler için nöromorfik çip: Verileri görüyor, işliyor ve depoluyor

Avustralyalı araştırmacılar, görme, işleme ve bellek işlevlerini tek donanımda birleştiren nöromorfik görüntü çipi geliştirdi. Yeni mimari, otonom araçlar ve endüstriyel robotlarda veri işleme gecikmesini azaltıp enerji tüketimini düşürmeyi hedefliyor.

Yapay zeka, robotik ve otonom sistemlerde veri işleme hızını doğrudan etkileyen yeni bir çip mimarisi geliştirildi. Avustralya’daki RMIT Üniversitesi mühendislerinin liderliğinde, Deakin ve Melbourne üniversitelerinin katkısıyla yürütülen çalışmada, görsel verileri aynı platform üzerinde algılayabilen, işleyebilen ve depolayabilen nöromorfik bir çip üretildi. İnsan gözü ve beyninin birlikte çalışma biçiminden ilham alan teknoloji, özellikle endüstriyel otomasyon, sürücüsüz araçlar ve akıllı üretim sistemlerinde karşılaşılan veri gecikmesi ve yüksek enerji tüketimi sorunlarına çözüm getirmeyi amaçlıyor. Katkılı indiyum oksit kullanılarak geliştirilen çipte, insan saçından binlerce kat daha ince bir algılama katmanı bulunuyor. Bu yapı, geleneksel makine görüşü sistemlerinde sensör, işlemci ve bellek arasında gerçekleşen veri aktarımını azaltarak işlemi doğrudan ışığın algılandığı noktada yapabiliyor.HARİCİ İŞLEMCİ BAĞIMLILIĞI AZALIYORMevcut görüntüleme ve yapay zeka sistemlerinde kameradan alınan veriler, işlenmek üzere ayrı bir işlemciye veya bulut altyapısına aktarılıyor. Bu süreç hem gecikmeye hem de yüksek enerji tüketimine neden oluyor. RMIT ekibinin geliştirdiği çip ise hesaplama işlemini doğrudan algılama katmanı üzerinde gerçekleştirebiliyor. Böylece görsel verinin harici işlemcilere taşınmasına duyulan ihtiyaç azalıyor. Proje lideri Profesör Sumeet Walia, geliştirilen mimarinin gerçek zamanlı karar alma süreçleri için önemli olduğunu belirterek, “İcatımızla gerçek zamanlı karar vermeyi mümkün kıldık. Çünkü sistemimiz büyük miktarda alakasız veriyi işlemeye gerek duymuyor ve ayrı işlemcilere veri aktarımıyla zaman kaybetmiyor. Bu, otonom sistemler için muazzam bir hız avantajı demektir” dedi.ANALOG İŞLEMEYLE ENERJİ VERİMLİLİĞİÇipin öne çıkan özelliklerinden biri de görsel bilgiyi sık elektrik yenileme sinyallerine ihtiyaç duymadan uzun süre hafızasında tutabilmesi. İnsan beyninin veriyi koruma biçimine benzer şekilde çalışan bu yapı, sistemin enerji verimliliğini artırıyor. Makalenin baş yazarı Dr. Aishani Mazumder, nöromorfik görme sistemlerinin insan beynine benzer analog işlemeye dayandığını belirterek, “Bu donanım altyapısı, günümüz dijital teknolojilerine kıyasla karmaşık görsel görevleri yerine getirmek için gereken enerji miktarını büyük ölçüde azaltıyor” değerlendirmesinde bulundu. Araştırmacılara göre bu yaklaşım, özellikle sürekli veri işleyen otonom makinelerde enerji maliyetlerini düşürme ve daha hızlı tepki verme imkanı sağlayabilir.OTONOM ARAÇLAR VE ROBOTİKTE KULLANILACAKLaboratuvar testleri ultraviyole ışık kullanılarak başarıyla tamamlanan çip için görünür ve kızılötesi ışık spektrumlarına yönelik entegrasyon çalışmaları sürüyor. Teknolojinin, farklı endüstriyel uygulamalarda kullanılabilecek şekilde geliştirilmesi hedefleniyor. Çipin otonom araçlarda anlık nesne tanıma ve değişen yol koşullarına hızlı tepki verme süreçlerinde kullanılması öngörülüyor. Endüstriyel robotikte ise ağır hesaplama altyapılarına duyulan ihtiyacı azaltarak fabrika hatlarında daha bağımsız ve uzun süreli çalışmaya katkı sağlaması bekleniyor.Teknolojinin bir diğer kullanım alanı, insan erişiminin riskli olduğu tehlikeli ortamların izlenmesi olarak gösteriliyor. Ayrıca kalite kontrol, üretim hattı denetimi ve adli inceleme gibi alanlarda daha kompakt, hızlı ve düşük maliyetli görüntüleme sistemlerinin geliştirilmesine imkan verebileceği belirtiliyor. Araştırmacılar, deneyimle gelişebilen ve öğrenebilen bu tür entegre görme donanımlarının, geleceğin otonom makinelerinde daha yaygın bir altyapı haline gelebileceğini değerlendiriyor