Bilgisayarın geleceği analog olabilir. Şu anda kullanımda olan dijital bilgisayarlar, e-mail okuma ve oyun oynama gibi görevler için çok rahattır. Ancak, çok büyük miktarda veri ile çalışmaları, ayrı bellek ve işlem birimi nedeniyle bilgilerin işlenmesinde ve depolanmasında büyük sıkıntı yaratıyor. Bu yüzden ileride; bilgi işlemin geleceği analog olabilir. Ortaya çıkan yeni bir bilgi işlem paradigması, bellek ve işlem birimlerini birleştirip, makinenin fiziksel özelliklerini kullanarak yapar. Bu sonraki bilgisayar devrimi, bellekte işleme (PIM) adı verilen yeni bir donanım türü. Louis’deki Washington Üniversitesi’nde McKelvey Mühendislik Okulu Preston M. Green Elektrik ve Sistem Mühendisliği Bölümü’nden araştırmacılar; yeni bir PIM devresi tasarladılar. PIM; hesaplamaya dayanmak için sinir ağlarının esnekliğini getirecektir. Devre, mevcut teorik yeteneklerinin ötesinde büyüklük sıraları ile PIM hesaplamanın performansını artırabilir.
Araştırmaları, 27 Ekim’de IEEE Transactions on Computers dergisinde çevrimiçi olarak yayınlandı.
Geleneksel olarak tasarlanmış bilgisayarlar, Von Neuman mimarisi kullanılarak oluşturulur. Burada veriler bellekte saklanır ve işlemcide hesaplama yapılır. Her ikisi de ayrı birimlerdir.
Araştırmacı Zhang: “Günümüzdeki bilgi işlem zorlukları veri açısından yoğun… İşlemci ve bellek arayüzünde performans darboğazı yaratan tonlarca veriyi kırmamız gerekiyor. PIM bilgisayarları, bellek ve işlemeyi tek bir birimde birleştirerek bu sorunu aşmayı amaçlar.”
Bilgi işlem, özellikle günümüzün makine öğrenimi algoritmaları için bilgi işlem oldukça karmaşıktır. Geleneksel dijital CPU (merkezi işlem birimi), temel olarak voltaj kapıları olan transistörler üzerinde çalışır. 1 ve 0 olmak üzere iki durumu temsil ederler. Bu dijital kodu kullanarak geleneksel bilgisayarlar tüm aritmetiği yapabilir. Zhang’ın laboratuvarının üzerinde çalıştığı PIM türüne dirençli rasgele erişimli bellek PIM veya RRAM-PIM denir. CPU’larda bitler, bir bellek hücresindeki bir kapasitörde depolanır ve RRAM-PIM’de bilgisayarlar dirençlere dayanır. Bu dirençler hem bellek hem de işlemci olarak çalışır. Bunlara ek olarak; dirençli bellekte dijitale veya ikiliye çevirmek zorunda değilsiniz. Analog etki alanında kalabilirsiniz.”
Bu, RRAM-PIM bilgisayarlarını çok daha verimli hale getirmenin anahtarıdır.
Araştırmacı Zhang: “Eklemeniz gerekiyorsa, iki akımı bağlarsınız. Çarpmanız gerekiyorsa, direncin değerini değiştirebilirsiniz.”
Ancak bir noktada, standart teknolojilerle arayüz oluşturmak için bilgilerin dijital bir formata çevrilmesi gerekiyor. RRAM-PIM’in analog bilgiyi dijital formata dönüştürürken sıkıntıya düştüğü nokta burası…
Araştırmacı Zhang: “Bir sinirsel yaklaşım, keyfi fonksiyonlara yaklaşabilen bir sinir ağı üzerine kuruludur.”
Herhangi bir işlev verildiğinde; sinirsel yaklaşımcı aynı işlevi yerine getirebilir, ancak bu şekilde verimliliğini artırabilir. Bu durumda ekip; darboğazın giderilmesine yardımcı olmak için sinirsel yaklaşım devreleri tasarladı. RRAM-PIM mimarisinde, bir çapraz çubuk dizisindeki dirençler hesaplamalarını tamamladıktan sonra cevaplar dijital formata çevrilir. Pratikte bunun anlamı, bir devre üzerindeki her bir direnç sütunundan elde edilen sonuçları toplamaktır. Her sütun kısmi bir sonuç üretir. Bu kısmi sonuçların her biri, daha sonra, analogdan dijitale dönüştürme veya ADC olarak adlandırılan şeyde dijital bilgiye dönüştürülmelidir. Dönüşüm enerji yoğundur. Sinirsel yaklaşım, süreci daha verimli hale getirir. Her sütunu tek tek eklemek yerine, sinirsel yaklaşım devresi birden fazla hesaplama yapabilir. Daha az ADC’ye ve artan bilgi işlem verimliliğine yol açacaktır. Araştırmacı Cao; bu çalışmanın en önemli kısmının, devrenin dış kenarı boyunca gerçekleşen dijital dönüşümlerin sayısını ne ölçüde azaltabileceklerini belirlemek olduğunu söyledi. Sinirsel yaklaşım devrelerinin, verimliliği mümkün olduğunca artırdığını buldular.
Araştırmacı Cao: “RRAM çapraz çubuk dizi sütunları tarafından oluşturulan 18, 64 veya 128 analog kısmi toplam sayısı ne olursa olsun, yalnızca bir analogdan dijitale dönüştürmeye ihtiyacımız var. Teorik alt sınırı elde etmek için donanım uygulamasını kullandık.”
Araştırmacı Zhang; mühendislerin halihazırda PIM bilgisayarların büyük ölçekli prototipleri üzerinde çalıştıklarını, ancak çeşitli zorluklarla karşılaştıklarını söyledi. Zhang ve Cao’nun sinirsel yaklaşımlarını kullanmak, bu zorluklardan birini ortadan kaldırabilir. (Darboğaz; bu yeni bilgi işlem paradigmasının mevcut çerçevenin önerdiğinden çok daha güçlü olma potansiyeline sahip olduğunu kanıtlıyor. Sadece bir veya iki kat daha güçlü değil, 10 veya 100 kat daha güçlü…)
Araştırmacı Zhang: “Teknolojimiz bu tür bir bilgisayara bir adım daha yaklaşmamızı sağlıyor.”
