Innatera'nın Kurucu Ortağı ve CEO'su Sumeet Kumar – Röportaj Dizisi

Sümeet Kumar Innatera Nanosystems'in kurucu ortağı ve CEO'sudur ve IoT, giyilebilir ve gömülü cihazlarda sensör veri analitiği için ultra verimli nöromorfik işlemcilerin geliştirilmesine liderlik etmektedir. Daha önce, otonom araç teknolojileri üzerine 50 milyon avroluk PRYSTINE projesi de dahil olmak üzere TU Delft'te AB tarafından finanse edilen araştırmaları yönetmiş ve Intel'de ve gelişmiş işlemci mimarileri üzerine akademik araştırmalarda görev almıştır.

Doğuştan "sensör ucuna" ultra düşük güç tüketimli zeka getirmeye odaklanan bir yarı iletken şirketidir. Temel yenilikleri, beynin olay tabanlı işlemesini taklit eden analog-karma sinyal mimarisi üzerine kurulu, tetikleyici sinir işlemcileridir. Bu çipler, miliwatt altı güç seviyelerinde ve ultra düşük gecikme sürelerinde sensör verilerindeki kalıpları tanıyabilir ve bu da onları sürekli açık, güç kısıtlamalı uygulamalar için ideal hale getirir.

Nöromorfik işlemcileri laboratuvardan gerçek dünya cihazlarına taşıma vizyonuyla 2018 yılında Innatera'yı kurdunuz. Sizi kişisel olarak şirketi kurmaya iten şey neydi ve bu vizyon son yedi yılda nasıl gelişti?

Innatera, net bir misyonla kuruldu: beyin benzeri zekâyı doğrudan sensöre taşımak. 2018'de bile işaretler açıktı; cihazlar giderek daha karmaşık sensörler entegre ediyordu ve sürekli algılama ihtiyacı artıyordu. Mikrodenetleyiciler güç tasarruflu yapay zeka yeteneklerinden yoksundu ve bu bile, küçük pillerle çalışan cihazlarda sürekli işleme söz konusu olduğunda ancak bir yere kadar ilerleme sağlayabilirdi. Sensör verilerinin bu cihazlarda işlenme şeklinin değişmesi gerektiği açıktı ve TUDelft'te nöromorfik hesaplama ve enerji tasarruflu işleme üzerine yaptığımız on yıllık araştırma, bu zorluğun bir çözümü gibi görünüyordu.

Vizyonumuz tutarlılığını korudu: Ortam zekasıyla desteklenen daha akıllı, daha temiz ve daha güvenli bir dünya. Sensörlere zeka katarak, çiplerimiz dünyadaki sensör verilerinin doğrudan kaynağında işlenmesini sağlayacak ve modern yapay zekanın enerji kullanımında kökten bir azalmaya yol açacak. 2030 yılına kadar bir milyar sensörü akıllı hale getirmeyi hedefliyoruz.

basın bu yolculuğun ilk adımıdır; ana akım benimsenmesi için tasarlanmış dünyanın ilk nöromorfik mikrodenetleyicisidir. Beyinden ilham alan zekayı giyilebilir cihazlarda, akıllı ev cihazlarında ve endüstriyel sistemlerde ve diğer kullanım alanlarında pratik hale getirirken, geleceğin uyarlanabilir, otonom teknolojilerinin temellerini atıyor.

Pulsar, sensörde işlemeye yönelik temelde yeni bir yaklaşıma dayanıyor ve 7 yıllık zorlu araştırma ve mühendislik çalışmaları sonucunda hayata geçiriliyor. Dört kişilik bir girişim olarak başlayan girişim, bu süre zarfında 15 ülkede 100 kişilik küresel bir ekibe dönüştü ve dayanıklılık, yaratıcılık ve hırs üzerine kurulu, insan odaklı bir kültürle birleşti.

Pulsar, gerçek anlamda kitle pazarına yönelik ilk nöromorfik mikrodenetleyici olarak tanımlanıyor. Peki, onu büyük ölçüde araştırma laboratuvarlarıyla sınırlı kalan önceki nöromorfik yongalardan farklı kılan nedir?

Akademik araştırmaların odak noktası genellikle zorlu problemleri çözmek için yenilikçi yaklaşımlar geliştirmektir. Sonuç olarak, çözümlerin faydaları genellikle izole bir şekilde ölçülür. Ancak, bu yeni teknolojiler üretime girdiğinde, sistemin diğer bileşenleriyle etkileşime girmek zorunda kalır ve bu da genellikle faydalarının azalmasına neden olur. Bu durum, birçok nöromorfik ve geleneksel yapay zeka hızlandırma teknolojisi için de geçerlidir; aynı temeller göz önünde bulundurularak tasarlanmamış sistemlere entegre edilirler ve bu da verimlilik açısından sönük bir sonuca yol açar. Pulsar ise, uç noktadaki sensör verilerinin verimli bir şekilde işlenmesi için özel olarak tasarlanmış, eksiksiz ve bağımsız bir mikrodenetleyicidir.

Sensör veri işleme için gereken her şeyi tek bir çipte bir araya getirmek üzere baştan sona tasarlanmıştır: analog ve dijital sinir çekirdekleri, CNN ve FFT hızlandırıcılar ve sistem yönetimi ve sensör kontrolü için eksiksiz bir 32 bit RISC-V alt sistemi. Bu heterojen mimari, Pulsar'ın ham sensör verilerini doğrudan cihazda eyleme geçirilebilir bilgilere dönüştürmesine olanak tanırken, geleneksel yapay zeka işlemcilerine göre 500 kata kadar daha az enerji tüketir ve 100 kat daha hızlı çalışır.

Pulsar, donanımın ötesinde, uzun süredir devam eden yazılım engelini de ele alıyor. Yerel PyTorch entegrasyonuna sahip Talamo SDK'sı, nöromorfik geliştirmeyi ana akım mühendisler için erişilebilir kılıyor ve 5KB'ın altındaki kompakt modellerin miliwatt altı güç bütçelerinde çalışmasını sağlıyor. Tüm bunları 2.8 x 2.6 mm'lik bir pakete sığdıran Pulsar, hacimli çok çipli kurulumlara olan ihtiyacı ortadan kaldırarak, onu gerçek anlamda kitle pazarına sunulmaya hazır ilk nöromorfik işlemci haline getiriyor.

Erişilebilirlik, Innatera için önemli bir konu. Talamo SDK, özellikle PyTorch entegrasyonuyla, nöromorfik bilişime yeni başlayan geliştiriciler için engelleri nasıl azaltıyor? 

Onlarca yıl boyunca, nöromorfik sistemlerin benimsenmesinin önündeki temel engel donanımdan değil, geliştirici dostu araçların eksikliğinden kaynaklanıyordu. Geliştiriciler, dik öğrenme eğrileri ve alışılmadık iş akışlarıyla karşı karşıya kalıyor ve bu da inovasyonu yavaşlatıyordu. Talamo, mühendislerin bilindik iş akışları aracılığıyla ani sinir ağları tasarlamalarına, eğitmelerine ve devreye almalarına olanak tanıyan PyTorch tabanlı bir SDK sağlayarak bu sorunu doğrudan ele alıyor. Kompakt modeller, mevcut sensör mimarilerine kolayca entegre edilebilir ve en küçük, en güç kısıtlamalı cihazlarda bile sürekli açık zeka sağlar. Karmaşıklığı ortadan kaldırarak ve geliştirmeyi hızlandırarak Talamo, nöromorfik hesaplamayı ana akım geliştiriciler için erişilebilir hale getiriyor ve prototipten ürüne giden yolu hızlandırıyor.

Teknik açıdan bakıldığında, Pulsar'ın içindeki analog ve dijital hızlandırıcıları, çeşitli iş yüklerini verimli bir şekilde idare edecek şekilde nasıl dengeliyorsunuz? 

Pulsar'ın mimarisi, enerji kullanımını ve esnekliği optimize etmek için analog ve dijital sinyal çekirdeklerini bir araya getirir. Analog çekirdekler, her mikrowatt'ın önemli olduğu sürekli ve sürekli açık sensör iş yükleri için ultra verimli işlem sağlar. Dijital çekirdekler ise, daha karmaşık veya değişken görevler için verimli bir güç aralığında programlanabilirlik ve hassasiyet sunar. İş yükleri, uygulama ihtiyaçlarına bağlı olarak iki çekirdek arasında dağıtılır ve böylece enerjinin yalnızca veriler değiştiğinde tüketilmesi sağlanır. Bu olay odaklı yaklaşım, Pulsar'ın çeşitli gerçek dünya uygulamalarını destekleme esnekliğini korurken miliwatt altı performansı sürdürmesini sağlar.

Tipik bir geliştirici iş akışını, bir modeli eğitmekten Pulsar'da dağıtmaya kadar, bize anlatabilir misiniz? En büyük verimlilik artışları nerede elde ediliyor?

İş akışı, geliştiricilerin modellerini geleneksel yapay zeka için tasarlayıp eğittikleri PyTorch'ta başlar. Innatera'nın Talamo SDK'sı kullanılarak model, Pulsar donanımı için optimize edilmiş bir sinir ağına dönüştürülür. Geliştiriciler daha sonra modeli simüle edebilir, iyileştirebilir ve genellikle 5 KB kadar küçük alan kaplayarak doğrudan çipe dağıtabilirler. Model geliştirme adımı, geliştiricinin RISC-V ve CNN hızlandırıcısını hedefleyen kodu birleşik bir şekilde oluşturmasını sağlayan daha geniş bir uygulama geliştirme akışına entegre edilmiştir. Bu, gelişmiş bir geliştirme deneyimi ve daha kısa bir geliştirme süresi anlamına gelir.

En büyük verimlilik kazanımları, model Pulsar'ın olay odaklı ani artış çekirdeklerinde çalışmaya başladığında ortaya çıkar. Sürekli güç tüketen geleneksel MCU'ların aksine, Pulsar yalnızca giriş verileri değiştiğinde hesaplama yapar. Bu, hareket tanıma veya radar varlığı tespiti gibi sürekli aktif görevlerin miliwatt altı seviyelerde sürekli çalışmasını sağlayarak, yüksek doğruluk ve inanılmaz derecede kısa gecikme sürelerini korurken enerji verimliliğinde kat kat iyileştirmeler sağlar.

Teknolojinizin en hızlı benimsendiği sektörler hangileri? Pulsar'ı ürünlerinde halihazırda kullanan ilk müşterileriniz veya iş ortaklarınızla ilgili örnekler paylaşabilir misiniz?

Pulsar'ın benimsenmesi, akıllı evler, giyilebilir cihazlar ve endüstriyel güvenlik gibi sürekli algılama ve ultra düşük güç tüketiminin en önemli olduğu alanlarda en hızlı şekilde gerçekleşiyor. Bunun iyi bir örneği, yakın zamanda SEMICON India 2025'te tanıtılan, Innatera destekli yeni nesil duman dedektörleri geliştiren Aaroh Labs'tır. Bu cihazlar, duman algılamayı insan varlığı izlemeyle birleştirerek dumanı algılamanın yanı sıra, daha zengin bir durumsal farkındalık yaratır ve konut, ticari ve endüstriyel ortamlar için daha akıllı güvenlik sistemlerine olanak tanır.

Aynı nöromorfik yaklaşım, bağlantılı sağlık hizmetleri ve akıllı şehirler için geniş kapsamlı sonuçlar doğurarak varlık takibi ve çevresel izlemeye de genişletilebilir. CYRAN AI Solutions, SEMICON Hindistan'da ayrıca Innatera teknolojisinin hareket tanıma için giyilebilir elektromiyografi (EMG) cihazları gibi kompakt sensör sistemlerine nasıl entegre edildiğini göstererek, nöromorfik yapay zekanın sezgisel insan-makine etkileşimini mümkün kılma potansiyelini vurguladı.

Bu erken uygulamalar yalnızca bir başlangıç ​​ve nöromorfik bilişimin teoriden pratiğe geçtiğinin ve gerçek dünya uygulamalarında hızla kök saldığının sinyalini veriyor.

Gösterilerde, bir miliwatt'ın altında güç tüketen ultra düşük güçlü hareket tanıma ve radar tabanlı varlık tespiti gibi örnekler gördük. Bu tür kısıtlı ortamlarda doğruluk ve güvenilirliği nasıl doğrularsınız?

Doğrulama genellikle uygulamaya bağlıdır ve doğruluğun yanı sıra, yanlış pozitif ve yanlış negatif tespit oranları, bir çözümün güvenilirliği hakkında kritik bir gösterge sağlar. Müşterilerin doğrulama için genellikle belirli KPI'ları ve test koşulları vardır. Pulsar'ın esnekliği, müşterilerin kullanım senaryoları için tüm kriterleri karşılamalarını sağlayan kapsamlı çözümler sunmada kilit rol oynar. Karşılaştırmalar, genellikle aynı görevler için 40-100 kat daha fazla güç tüketen geleneksel MCU'lar ve hızlandırıcılarla kıyaslanarak yapılır.

Pulsar, radar tabanlı varlık tespiti ve sesli sahne sınıflandırması gibi gerçek dünya gösterilerinde, miliwatt altı bütçeler dahilinde kalırken sürekli olarak %90'ın üzerinde doğruluk sağlar. Bu sayede, geleneksel sürekli açık sistemlerin uyku modundan uyanarak, performansı düşürerek veya buluta yük aktararak ödün vermek zorunda kaldığı güvenilirlikten ödün vermeden kesintisiz çalışma sağlanır.

Pulsar'ı daha geleneksel NPU'lar ve CPU'ların tamamlayıcısı olarak konumlandırdınız. Nöromorfik bilişimin, gelecekteki akıllı cihazların daha geniş silikon yığınına nasıl uyum sağlayacağını düşünüyorsunuz?

Pulsar, sensörlerin iletişim kurduğu ilk çip olarak tasarlanmıştır. Verileri ultra düşük güçte yerel olarak işler ve ham sensör sinyallerini doğrudan kaynağında anlamlı ve eyleme geçirilebilir bilgilere dönüştürür. NPU'lar ve CPU'lar ise yalnızca daha yoğun işlem gerektiğinde devreye girebilir.

Bu, nöromorfik işlemcileri silikon yığınında tamamlayıcı bir katman haline getirir; cihaz ömrünü uzatan, enerji kullanımını azaltan ve tepki süresini iyileştiren, her zaman farkında ve sürekli açık bir temel oluşturur. Pulsar, sensör veri işleme görevini sistemdeki geleneksel olarak daha yüksek güç tüketen bileşenlerden alarak, bunların birçok cihazda kapatılmasına, hatta bazı durumlarda tamamen ortadan kaldırılmasına olanak tanır. Bu da daha akıllı ve daha uzun ömürlü cihazların ortaya çıkmasını sağlar.

Aaroh Labs ve CYRAN AI Solutions gibi ortaklarla yapılan iş birlikleri, nöromorfik yapay zekanın gerçek dünyada benimsenmesini hızlandırmada nasıl bir rol oynuyor?

Ortaklıklar, çığır açan teknoloji ile yaygın benimsenme arasında köprü görevi görür. Aaroh Labs ve CYRAN AI Solutions gibi yenilikçilerle çalışan Innatera, Pulsar'ın gerçek dünya ortamlarında doğrulanmasını ve belirli sektörlere özel olarak uyarlanmasını sağlar. Aaroh Labs, nöromorfik zekayı kritik güvenlik altyapısına getirirken, CYRAN AI Solutions, sezgisel insan-makine etkileşimindeki potansiyelini ortaya koyar. Bu iş birlikleri, teknolojinin çok yönlülüğünü kanıtlayarak, diğer benimseyenler için engelleri azaltır ve nöromorfik işlemcilerin geniş ölçekte dağıtımına olan güveni artırır.

Socionext gibi sensör tedarikçileriyle kurduğumuz ortaklıklar, zekayı sensör modülüne entegre etmemize olanak tanıyarak, akıllı algılamanın cihazlara entegre edilmesini ve dağıtılmasını kolaylaştırıyor. Ayrıca, bu tür iş birlikleri zaten güçlü ve büyüyen ekosistemimizi güçlendiriyor ve sektörde nöromorfik bilişimin yaygınlaşmasını hızlandırıyor.

İleriye baktığınızda, Pulsar ve haleflerinin uçta çıkarım yapmak yerine cihaz üzerinde öğrenme ve adaptasyona doğru ilerlediğini görüyor musunuz?

Kesinlikle. Pulsar ile nöromorfik teknolojinin neler yapabileceğinin henüz ilk adımlarını attık. Nöromorfik işlemciler, doğası gereği çevrimiçi öğrenme ve adaptasyona oldukça uygundur ve Pulsar, yalnızca algılama ve tepki vermekten çok daha fazlasını yapabilen cihazlar için temel oluşturur.

Nöromorfik bilişim, yeni nesil uyarlanabilir ve otonom uç cihazlarının; küçük pillerle çalışırken gerçek zamanlı olarak öğrenen, kendi kendini kalibre eden ve optimize eden sistemlerin önünü açacak. Bu evrim, anında davranışınıza uyum sağlayan giyilebilir cihazlardan, minimum enerji kullanımıyla arızaları tahmin edip önleyen endüstriyel sistemlere kadar geniş bir uygulama yelpazesinin önünü açacak. Uzun vadeli hedef, sürekli uyarlanabilir ve dayanıklı oldukları kadar akıllı cihazlar da yaratmak ve uçta gerçekten nelerin mümkün olduğunu yeniden tanımlamaktır.

Harika röportaj için teşekkürler, daha fazla bilgi edinmek isteyen okuyucular ziyaret etmelidir. Doğuştan.