Analog bellek çipleri büyük Fourier dönüşümlerini hesaplamayı öğrendi

Sandia Ulusal Laboratuvarları, Infineon Technologies ve Arizona Eyalet Üniversitesi'nden araştırmacılar, analog bellek içi hesaplamanın uzun süredir aşamadığı bir engeli aştı. Ekip, hızlı Fourier dönüşümü (FFT) algoritmasını büyük ölçekte analog bir çipte çalıştırmanın yöntemini Nature Electronics dergisinde yayımladı. Çalışma, 2026 yılında duyurulan ve analog donanımın kapsamını genişleten bir adım olarak öne çıkıyor.

Fourier dönüşümü ne işe yarar?

Fourier dönüşümü, bir sinyalin hangi frekanslardan oluştuğunu ve her frekansın sinyale ne kadar katkı yaptığını ortaya çıkaran matematiksel bir işlemdir. Ses ve görüntülerdeki örüntüleri çözmek için kullanılır. Yavaş yavaş değişen parlaklık farklarından ince ve tekrar eden ayrıntılara kadar pek çok özellik bu yolla görünür hale gelir.

Dijital işlemciler bu hesabı genellikle FFT algoritmasıyla yapar. FFT, büyük bir dönüşümü art arda daha küçük dönüşümlere böler. Bu böl ve yönet yaklaşımı hızı çok artırır ve meşhur O(N log N) ölçekleme kuralıyla ifade edilir. Bu kural, dönüşümün boyutu büyüdükçe gereken sürenin ve enerjinin nasıl arttığını gösterir.

Analog donanımın karşılaştığı sorun

Analog bilgisayarlar veriyi elektriksel gerilim gibi sürekli fiziksel büyüklüklerle işler ve doğası gereği enerji açısından verimlidir. Ancak büyük Fourier dönüşümleri için geleneksel olarak tercih edilmemişlerdir. FFT'nin hesaplama karmaşıklığı avantajı şimdiye kadar yalnızca dijital işlemcilerde kullanılabiliyordu.

Çalışmanın ilk yazarı T. Patrick Xiao'ya göre ekip yıllardır analog bellek içi hesaplamayı matris çarpımları için çok verimli bir hızlandırıcı olarak inceliyordu. Yapay zekâ işlemlerinin büyük kısmı matris çarpımlarına indirgenebildiği için bu işlev güçlü sayılıyor. Yine de bu donanım, modern bilişimin en yaygın algoritmalarından biri olan FFT'yi hızlandıramıyordu. Xiao bunu önemli bir eksiklik olarak değerlendiriyor.

Yöntem: dönüşümü belleğe sığacak kadar bölmek

Sorunun özü iki yaklaşımın birbirine ters düşmesiydi. Matris çarpımı donanımı, matris büyüdükçe daha verimliydi ve bu durum bellek dizisinin fiziksel boyutuna kadar sürüyordu. FFT ise işi mümkün olan en küçük parçalara ayırmaya çalışıyordu.

Araştırmacılar bunu uzlaştırmak için FFT'nin özgün formülasyonlarından birini seçti. Bu formülasyon her dönüşümü iki küçük dönüşüme ayırır ve ortaya çıkan dönüşümler gerekirse yeniden bölünebilir. Ekip bölme işlemini, alt problem fiziksel bellek dizisinin boyutuna denk gelince durdurdu. Xiao bunu en uygun nokta olarak tanımlıyor. Bu sayede her boyuttaki bir bellek dizisi çok büyük FFT'leri hesaplayabiliyor. En iyi enerji verimi için dönüşümün mümkün olduğunca az bölünmesi gerekiyor. Bu da küçük diziler yerine büyük dizileri daha avantajlı kılıyor.

Yöntemde önemli işlemler analog çipte paralel olarak yapılıyor, bazı adımlar ise dijital tarafta tamamlanıyor.

SONOS flash bellekli çip

Ana Fourier dönüşümü hesaplarının yürütüldüğü çip, SONOS flash bellekle üretildi. Her bellek hücresi, ince bir yalıtkan katmanda elektrik yükünü tutuyor ve böylece güç olmadan da değerini koruyabiliyor. Çip çalışırken bu saklı değerleri hesaplamada kullanıyor. FFT durumunda hücreler, gerçek ve sanal bileşenleri olan karmaşık sayılardan oluşan ayrık Fourier dönüşümü katsayılarını depoluyor.

Xiao, SONOS belleğin çok hassas biçimde kontrol edilebildiğini ve bu hassasiyetin büyük bir diziye ölçeklenmeyi mümkün kıldığını söylüyor. Ekip, tek bir matris çarpımını hesaplamak için aynı dizide yarım milyondan fazla flash aygıtı eşzamanlı kullandı.

Arka plan

Bellek içi hesaplama, verinin işlemci ile bellek arasında sürekli taşınması yerine işlemin verinin durduğu yerde yapılması fikrine dayanır. Geleneksel mimarilerde veri taşımak, hesabın kendisinden daha fazla zaman ve enerji harcayabilir. Bellek hücrelerinin elektriksel özelliklerinden yararlanan analog yaklaşım, matris çarpımı gibi toplama ve çarpma ağırlıklı işleri doğrudan bellek dizisinde yapabilir.

FFT ise radar ve haberleşmeden ses ve görüntü işlemeye kadar birçok alanın temel yapı taşıdır. Bu nedenle bir donanım ailesinin yalnızca matris çarpımında iyi olması, sinyal işleme tarafında kullanımını sınırlıyordu.

Neden önemli?

Bu çalışma, aynı analog bellek donanımının hem yapay zekâ hesaplarında hem de sinyal işleme görevlerinde kullanılabileceğine işaret ediyor. Böylece tek bir çip, birbirinden farklı iş yüklerine hizmet edebilir. Enerji verimliliği, özellikle sınırlı güçle çalışan cihazlar ve veri merkezleri için kritik bir ölçüt olduğundan, FFT'nin analog tarafa taşınması dikkat çekici bir gelişme.

Yine de yöntem dijital adımlara tamamen son vermiyor. Bazı işlemler dijital olarak tamamlanıyor ve nihai verim büyük ölçüde bellek dizisinin boyutuna bağlı. Teknolojinin geniş çaplı uygulamalarda nasıl performans göstereceği ise ileride yapılacak çalışmalarla netleşecek.