Weebit Nano, Bellek İçi Yapay Zekâ Hesaplaması için Matrix ReRAM Araştırma Programı’nı Başlattı

Weebit Nano, akademik ve sektördeki araştırmacıların yapay zekâ hesaplamalarını farklı bir yöntemle gerçekleştirmeyi test etmek üzere ReRAM donanımına erişmesini sağlayan Weebit Matrix Bellek İçi Hesaplama Araştırma Programı’nı başlattı: Hesaplamaları verilerin depolandığı yerde gerçekleştirmek.

Program, 32 × 32 çapraz çubuk dizisi temelinde geliştirilen araştırma kitleri sunuyor. Bu kitler; vektör-matris çarpımı, evrişim ve darbeli sinir ağları dâhil çeşitli işlemleri destekliyor. Program, uç yapay zekâ için önemli bir donanım sorusuna odaklanıyor: Bellek ile ayrı bir işlemci arasındaki yinelenen veri aktarımları azaltılarak ne kadar enerji ve zaman tasarrufu sağlanabilir?

Bu, tamamlanmış bir ticari yapay zekâ hızlandırıcısının değil, bir araştırma platformunun kullanıma sunulmasıdır. Weebit, bellek içi hesaplama çözümünün ticari pazara ulaşmasından önce teknik zorlukların aşılması gerektiğini belirtiyor. İlk aşamadaki amaç, araştırmacıların modellerden ve simülasyonlardan gerçek ReRAM donanımı üzerinde deneylere geçmesini sağlamak.

Hesaplamalar Neden Bellek İçinde Yapılıyor?

Sinir ağı çıkarımı, girdilerin depolanmış model ağırlıklarıyla tekrar tekrar birleştirilmesini gerektirir. Geleneksel bir mimaride bu değerlerin bellek hiyerarşisi boyunca taşınması bant genişliği ve enerji tüketimine yol açabilir. Bellek içi hesaplama (IMC), bu işlemlerin bir kısmını doğrudan bellek dizisinin içinde gerçekleştirmeyi amaçlar.

Dirençli rastgele erişimli bellek (ReRAM), bilgileri programlanabilir elektrik direnci kullanarak depolar. Weebit’in oksit tabanlı hücrelerinde elektrotlar arasında bir anahtarlama katmanı bulunur; uygulanan gerilimler iletken yolu, dolayısıyla hücrenin direncini değiştirir. Depolanan durum, sürekli güç sağlanmasa da korunur; bu nedenle ReRAM kalıcı bellektir.

Analog hesaplama araştırmalarında bu elektriksel özellikler, bit depolamanın ötesinde işlev görebilir. Bir dizi, ağırlıkları bellek hücrelerinde kodlayabilir ve ortaya çıkan elektriksel tepkileri hesaplamalara katkı sağlamak için kullanabilir. Böylece belleğin fiziksel davranışı, sinir ağlarında yaygın olarak kullanılan çarpma ve biriktirme işlemleriyle ilişkilendirilir.

Bu yaklaşım; sensörler, endüstriyel ekipmanlar ve diğer uç sistemler dâhil, güç ve ısıl bütçeleri kısıtlı cihazlar için özellikle önemlidir. Ancak bu, bir yapay zekâ modelinin her bölümünün dizi içinde çalıştığı ya da tüm sistemde veri hareketinin ortadan kalktığı anlamına gelmez.

Matrix Araştırma Kitlerinde Neler Var?

Weebit başlangıçta iki paket sunuyor:

• Matrix IMC Değerlendirme Paketi: Donanıma daha yakından erişmek isteyen araştırmacılar için doğrudan erişim sağlayan bir değerlendirme kartı.
• Matrix IMC Hızlı Başlangıç Paketi: Eksiksiz bir IMC kartı, FPGA alt sistemi ve örnek kod.

Her iki pakette de paketlenmiş çip örnekleri, belgeler ve soketli bir IMC kartı bulunuyor. 32 × 32 çapraz çubuk dizisi; darbeli sinir ağları dâhil programlama yöntemlerini, yapay zekâ algoritmalarını ve nöromorfik mimarileri incelemek için kontrollü bir platform sunuyor.

Hızlı başlangıç seçeneğindeki FPGA alt sistemi, araştırmacılara bellek dizisinin yanında programlanabilir dijital donanım da sağlıyor. Bu, bellek tabanlı işlemlerin tüm bir hesaplama hattının yerini almaya çalışmak yerine geleneksel işlemeyle birlikte çalıştığı hibrit sistemleri araştırmak açısından kullanışlıdır.

Katılımcılar ReRAM’le ilgili sonuçlarını ve geri bildirimlerini Weebit’le paylaşacak. Şirket, bu iş birliğinin teknolojiyi geliştirmeyi ve daha geniş kapsamlı araştırma çalışmalarına katkı sağlamayı amaçladığını belirtiyor. Duyuruda kit fiyatları, kabul edilecek proje sayısı veya ticari hızlandırıcının teslim tarihi açıklanmıyor.

80× Güç Tüketimi İddiasını Bağlamına Oturtmak

Bağlantıdaki araştırma özeti, Weebit’in performans iddialarının arka planına ilişkin önemli ayrıntılar sunuyor. Radyasyona dayanıklı yapay zekâ donanımı üzerinde çalışan, adı açıklanmayan ABD’li bir şirket; özel bir evrişimli sinir ağı kullanan görüntü sınıflandırma iş yükü için bir IMC mimarisini değerlendirdi.

Karşılaştırmada NVIDIA GeForce RTX 4090 GPU ve Xilinx ZCU104 FPGA platformu kullanıldı. IMC sistem düzeyindeki sonuçları, Weebit ReRAM dizisinden alınan ölçümlere dayalı uygulama modellemesiyle öngörüldü.

Analiz, bu iş yükünde güç tüketiminin GPU uygulamasına kıyasla yaklaşık 80 kat, FPGA uygulamasına kıyasla ise 13 kat daha düşük olacağını öngördü. Lansman duyurusunda ayrıca gecikmede neredeyse 100 kat azalma olduğu belirtiliyor. Bunlar, iş yüküne özgü öngörülerdir; tüm yapay zekâ görevlerinde GPU’lardan daha iyi performans gösteren eksiksiz bir ticari Matrix hızlandırıcısının bağımsız olarak doğrulanmış ölçüm sonuçları değildir.

Bu ayrım, araştırma programının temelinde yer alıyor. Dizi düzeyinde elde edilen yararlı bir sonucun; kontrol, veri dönüştürme, iletişim ve diğer destekleyici işlemler hesaba katılırken model doğruluğunu koruyan eksiksiz bir sisteme dönüştürülmesi gerekir. Bu ek işlevler de enerji tüketir ve gecikmeyi artırır.

Donanım Deneyleri Simülasyonların Gözden Kaçırdıklarını Ortaya Çıkarabilir

Weebit CEO’su Coby Hanoch, 2019’da ReRAM tabanlı bir darbeli sinir ağı gösterimi de dâhil olmak üzere CEA-Leti ile daha önce yürütülen iş birliğine dikkat çekiyor. Matrix, tanımlı bir donanım platformunu daha fazla nitelikli araştırmacının kullanımına sunarak bu araştırma doğrultusunu genişletiyor.

Heterojen ve nöromorfik hesaplama alanlarında çalışan nöromorfik araştırmacı Kevin D. Johnson, platformu modelleri gerçek donanım üzerinde doğrulamak ve sistem düzeyindeki doğruluğu, gecikmeyi ve güç tüketimini değerlendirmek için kullanmak istediğini söyledi. İlgi alanları arasında ReRAM’i diğer işleme teknolojileriyle birleştirmek de bulunuyor.

Bu yaklaşım, pratikteki fırsatı yansıtıyor: bir iş yükünün hangi bölümlerinin bellek tabanlı hesaplamadan yarar sağladığını belirlemek ve ardından gerektiğinde bunları başka donanımlarla birleştirmek. Araştırma sorusu, tek bir işlemin verimli olup olmadığından daha kapsamlı; ortaya çıkan sistemin kullanışlı ve tekrarlanabilir uygulama performansı sunup sunmadığını da içeriyor.

Weebit, zorlu ortamlarda ReRAM’i araştırmanın gerekçelerinden biri olarak radyasyon toleransını da öne çıkarıyor. Belirli bir havacılık-uzay, savunma veya tıp uygulamasına uygunluk ise yine de tasarımın bütününe ilişkin gereksinimlere ve doğrulamaya bağlı olacak.

Demonstrasyonlar ve Araştırmacıların Erişimi

Weebit, 10–13 Kasım 2026’da Münih’te düzenlenecek electronica 2026 fuarında Matrix IMC’yi tanıtmayı planlıyor. Şirket, etkinlik sayfasında demonstrasyon ve toplantı ayrıntılarıyla birlikte C2 Salonu, 637 numaralı standı belirtiyor.

Paketler, gerekli nitelikleri taşıyan araştırmacıların kullanımına sunuluyor ve başvuruların programın araştırma odağıyla uyumu değerlendirilecek. Weebit, programa katılmayı düşünenler için araştırma projesi başvuru formu sunuyor.

Matrix’in kısa vadede sağladığı katkı, bellek içi yapay zekânın ardındaki varsayımları sınayabilecek donanıma erişim. Veri taşıma maliyetini düşürmeye odaklanan bu alanda değerli kanıt, araştırmacılar gerçek iş yüklerini çalıştırdığında ölçülen doğruluğun, enerji kullanımının ve gecikmenin birlikte nasıl bir performans sergilediği olacak.