Teknoloji Derinlemesine

Memristör Tabanlı
GPU & NPU Mimarisi

Von Neumann darboğazını aşan, bellek içinde hesaplama (In-Memory Computing) ile çalışan yeni nesil yapay zeka donanımının temel ilkeleri.

Temel Sorun

Von Neumann Darboğazı

1945'ten bu yana kullanılan klasik bilgisayar mimarisinde işlemci ile bellek fiziksel olarak ayrıdır. Her hesaplama adımında veri bu iki birim arasında taşınmak zorundadır. Bu darboğaz, günümüz YZ yüklerinde toplam enerji tüketiminin %60'ından fazlasını oluşturmaktadır.

Klasik GPU Mimarisi vs. Analog In-Memory Computing

⚠ Klasik Mimari — Yüksek Enerji, Yüksek Gecikme

DRAM

Ağırlıklar
saklanır

→→→

Veri Yolu

PCIe / HBM
~100 GB/s

→→→

GPU Çekirdeği

MVM
Hesaplama

→→→

DRAM

Sonuç
yazılır

✓ MemRSyS Mimarisi — Bellek İçinde Hesaplama

Giriş Vektörü

Dijital → Analog
DAC dönüşümü

Memristör Crossbar

Ağırlıklar fiziksel
iletkenlikte saklı

Analog MVM

Ohm + Kirchhoff
Yasaları ile

Çıkış

ADC → Dijital
Sonuç

Klasik GPU / CPU

Von Neumann Mimarisi

  • Bellek ↔ İşlemci veri hareketi zorunlu
  • 7–35 W tipik güç tüketimi (kenar cihaz)
  • Gecikme: bellek bantgenişliği ile sınırlı
  • Her çıkarım için yüzlerce MB veri transferi
  • IoT ve İHA platformlarında kullanılamaz
MemRSyS NPU

Analog In-Memory Computing

  • Veri hareketi yok: hesaplama bellekte gerçekleşir
  • <1 W operasyonel güç tüketimi
  • Gecikme: analog paralel işlem, minimum
  • MVM fiziksel yasalarla (Ohm/Kirchhoff) anlık
  • İHA, taktik sistem, giyilebilir cihaz uyumlu

Temel Bileşen

Memristör Nedir?

1971'de Leon Chua tarafından teorik olarak öngörülen, 2008'de fiziksel olarak gerçeklenen dördüncü temel devre elemanı. Direnç değerini üzerinden geçen toplam yük miktarına göre değiştiren ve güç kesildiğinde bu değeri koruyan "bellek-direnç".

⚛️

Çalışma Prensibi

Metal-oksit ince film (TiO₂, HfO₂, ZnO) içinde iyonik hareket ile iletken filament oluşur/bozulur. HRS (Yüksek Direnç) ve LRS (Düşük Direnç) arasında geçiş: oranı ≥10³.

🧮

Yapay Sinaps Olarak Kullanım

Her memristör, sinir ağındaki bir ağırlığı fiziksel iletkenlik değeri olarak saklar. Crossbar dizisinde sütun akımı toplamı, Ohm Yasası ile otomatik olarak MVM sonucunu verir.

⏱️

Kalıcılık (Endürans)

HfO₂ tabanlı RRAM: ≥10⁸ yazma/silme döngüsü. Veri tutma: >10 yıl 85°C'de. CMOS back-end-of-line süreciyle tam uyumlu entegrasyon.

🔬

TiO₂/ZnO Memristör Araştırması

Bipolar resistive switching karakterizasyonu, sneak-path problemi çözümü (Schottky diyot entegrasyonu). TÜBİTAK 121E544 kapsamında yürütülen özgün araştırma.

📊

Enerji Kazancı

Analog in-memory computing'de CPU'ya kıyasla 6,8–24× enerji kazancı (Nature Electronics, 2018). CMOS nöromorfik: 4.000 GOPS/mm², 3.000 GOPS/W.

🏭

Üretim Uyumluluğu

Mevcut CMOS fab altyapısıyla uyumlu — yeni üretim hattı gerektirmez. 65 nm / 28 nm süreç entegrasyonu mümkün. Çok katmanlı crossbar ile yüksek yoğunluk.


MemRSyS NPU

Nöromorfik İşlem Birimi Mimarisi

Katmanlı mimari: dijital giriş/çıkış arayüzleri arasında analog memristör crossbar çekirdeği yer alır.

1

Dijital Giriş Arayüzü

Sensör verisi / özellik vektörü → DAC (Dijital-Analog Dönüştürücü)

2

Memristör Crossbar Dizisi

Ağırlıklar iletkenlik değeri olarak saklanır · Ohm Yasası ile MVM · Kirchhoff Akım Yasası ile toplama

3

Analog Aktivasyon & Normalizasyon

ReLU / Sigmoid aktivasyon · Batch normalizasyon eşdeğeri analog devre ile

4

Çok Katmanlı Crossbar Yığını

Her sinir ağı katmanı bir crossbar dizisine karşılık gelir · Paralel çıkarım (inference)

5

Dijital Çıkış Arayüzü

ADC (Analog-Dijital Dönüştürücü) → Sınıflandırma / Karar çıkışı

6

Yerli PDK & EDA Araç Zinciri

OpenROAD · Magic · Ngspice · 65 nm proses uyumlu

GPU vs NPU: Farklı Hedefler

GPU (Grafik İşlem Birimi): Binlerce küçük çekirdekle paralel float hesaplama. Eğitim (training) için idealdir; yüksek güç tüketir (200–700 W). Veri merkezi ve bulut için tasarlanmıştır.

NPU (Sinir İşlem Birimi): Çıkarım (inference) için özelleştirilmiş; sabit ağırlıkları düşük güçle değerlendirmek için optimize edilmiştir. MemRSyS NPU, analog fizik yasaları ile bu işlemi <1 W'ta gerçekleştirir.

Memristör NPU'nun Avantajları

Güç Tüketimi Klasik GPU: 7–35 W NPU: <1 W
Bellek Trafiği Yüksek Sıfır
Çıkarım Gecikmesi ms düzey µs düzey
Boyut PCIe kart mm² çip

Uygulama Alanları

Nerede Kullanılır?

MemRSyS NPU, enerji kısıtlı her otonom platform için uygundur.

🚁

İnsansız Hava Araçları

Nesne tanıma, hedef takip, otonom navigasyon

<1 W
🎯

Akıllı Mühimmat

Hedef ayrıştırma, arayıcı başlık YZ çıkarımı

<0.5 W
🚗

Taktik Kara Sistemleri

Ortam algılama, düşman tespiti, yol planlama

<2 W
🛰️

Uydu & Uzay

Görüntü işleme, anomali tespiti, düşük enerji bütçesi

<1 W

Medikal Giyilebilir

Sürekli biyometrik YZ analizi, pil ömrü kritik

<0.3 W
🌐

Endüstriyel IoT

Anomali tespiti, tahmine dayalı bakım, kenar işleme

<1 W
Gelişim Yol Haritası

Teknoloji Olgunluk Seviyeleri

TRL 1–2 · 2018–2022

Temel Araştırma

TiO₂, ZnO, HfO₂ ince film memristör sentezi ve karakterizasyonu. Sneak-path problemi için Schottky diyot tabanlı çözüm. TÜBİTAK 121E544 projesi.

TRL 3–4 · 2023–2025

Kavram Kanıtı

Küçük ölçekli crossbar MVM demonstrasyonu. Ngspice simülasyon modeli. Nature Electronics ve Nature Communications atıflarıyla literatür temeli.

TRL 4–5 · 2025–2026

Prototip Geliştirme ← Şu An

NPU IP çekirdeği RTL tasarımı. PDK akışı OpenROAD ile doğrulama. Ulusal inovasyon ve girişimcilik programları kapsamında fonlama.

TRL 6–7 · 2026–2027

Tapeout & Doğrulama

65 nm yerli süreçte ilk silikon. Savunma ve havacılık platformlarında saha testleri. IP lisanslama modelinin oluşturulması.

TRL 8–9 · 2028+

Seri Üretim & Lisanslama

Savunma sanayii entegrasyonu. İHA ve taktik platform OEM lisans anlaşmaları. Uluslararası nöromorfik IP pazarına giriş.


Bilimsel Temel

Temel Referanslar

MemRSyS teknolojisinin dayandığı hakemli yayınlar.


Teknolojiyi Birlikte Geliştirelim

IP lisanslama, PDK iş birliği veya teknik brifing talepleriniz için iletişime geçin.

İletişime Geç Ana Sayfa