“hızlandırıcı” için sonuçlar
8 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
FPGA Tabanlı Yapay Zeka Sistemi Nesne Tespitinde Çığır Açtı
Araştırmacılar, sınırlı kaynaklara sahip cihazlarda çalışabilen yeni nesil bir yapay zeka sistemi geliştirdi. FPGA teknolojisi ve optimize edilmiş YOLOv3-Tiny algoritmasını birleştiren bu sistem, gömülü cihazlarda nesne tespit performansını önemli ölçüde artırıyor. Sistemde kullanılan düşük-bit kuantizasyon ve donanım hızlandırıcı tasarımı, hesaplama karmaşıklığını azaltırken enerji verimliliğini maksimuma çıkarıyor. Bu yenilik, otonom araçlardan güvenlik kameralarına kadar birçok alanda kullanılabilecek pratik çözümler sunuyor. Özellikle mobil ve IoT cihazlarda yapay zeka uygulamalarının yaygınlaşması için kritik bir adım teşkil ediyor.
Kuantum Sonrası Şifreleme Donanımlarında Güvenlik Açığı Tespit Edildi
Araştırmacılar, kuantum bilgisayarlara karşı geliştirilmiş olan ML-DSA ve ML-KEM şifreleme algoritmalarını çalıştıran Adams Bridge donanım hızlandırıcısında önemli güvenlik zafiyetleri keşfetti. Bu donanım, güç analizi saldırılarına karşı korunma için maskeleme ve karıştırma tekniklerini kullanıyor ancak analiz, sistemin iddia edilen güvenlik seviyesinin gerçekte çok daha düşük olduğunu ortaya koydu. Özellikle Random Start Index karıştırma yönteminin, tam rastgele permütasyon yerine katı sınırlı entropi sağladığı belirlendi. Bu bulgu, kuantum sonrası kriptografi donanımlarının yan kanal saldırılarına karşı daha güçlü koruma mekanizmalarına ihtiyacı olduğunu gösteriyor.
AccelCIM: Yapay Zeka Çiplerinde Bellek-İçi Hesaplama Devrimini Getiren Yeni Mimari
Araştırmacılar, derin öğrenme modellerinin çalıştırılması için SRAM tabanlı bellek-içi hesaplama (CIM) hızlandırıcılarının verimliliğini artıran AccelCIM adlı yeni bir framework geliştirdi. Bu sistem, geleneksel çip mimarilerinin aksine, veriyi işlemciye taşımak yerine doğrudan bellekte hesaplama yaparak enerji tüketimini ve gecikmeyi büyük ölçüde azaltıyor. AccelCIM, özellikle büyük dil modelleri gibi kapsamlı yapay zeka uygulamalarında kritik olan veri akışı optimizasyonu sorununu çözüyor. Framework, çip tasarımcılarına sistematik bir keşif alanı sunarak, farklı CIM makro konfigürasyonlarını ve makro-dizi organizasyonlarını değerlendirme imkanı sağlıyor. Cycle-accurate simülasyonlar ve post-layout analizi ile desteklenen bu yaklaşım, gelecekteki AI çiplerinin tasarımında önemli kılavuzluk edecek pratik çözümler sunuyor.
Optik İletişimde Çığır Açan Yeni Teknoloji: Az Enerji Tüketen QAM Alıcısı
Araştırmacılar, optik iletişim sistemlerinde spektral verimliliği artırmanın yeni bir yolunu keşfetti. Geleneksel koherent alıcılar yüksek mertebeli modülasyon formatlarını destekleyebilir ancak yoğun dijital sinyal işleme gerektirdiğinden çok enerji tüketir. Yeni geliştirilen kendinden-koherent QAM alıcısı, tekrarlayan optik spektrum dilimleme (ROSS) foton hızlandırıcısı kullanarak bu sorunu çözüyor. Sistem, minimal dijital sinyal işleme ve düşük modülatör sürücü voltajları ile çalışarak enerji tüketimini önemli ölçüde azaltıyor. Deneysel çalışmalarda 32 Gbaud QAM-4/16 formatları ile 25-75 km mesafelerde başarılı veri iletimi gerçekleştirildi. Bu teknoloji, koherent teknolojinin avantajlarını doğrudan algılamanın basitliğiyle birleştirerek optik iletişimde yeni bir dönem başlatabilir.
ODMA: Büyük Dil Modelleri İçin Yeni Bellek Yönetim Stratejisi
Araştırmacılar, büyük dil modellerinin sınırlı bellek bant genişliğine sahip hızlandırıcılarda daha verimli çalışması için ODMA adlı yeni bir bellek yönetim stratejisi geliştirdi. Mevcut bellek yönetim teknikleri, statik ön tahsis ile aşırı kaynak kullanımına neden olurken, ince taneli sayfalama yöntemi LPDDR sistemlerde bant genişliğini hızla düşürüyor. ODMA, özellikle Cambricon MLU serisi gibi rastgele erişim kısıtlamalı hızlandırıcılar için tasarlandı ve üretim iş yüklerindeki dağılım kayması sorununu çözmeyi hedefliyor. Bu yenilik, yapay zeka modellerinin daha az kaynak tüketerek daha hızlı çalışmasını sağlayabilir.
Uzak Bellek Sistemleri İçin Yeni Programlama Modeli: Proxics
Bilim insanları, CXL bellek havuzları gibi uzak bellek sistemlerinde kullanılan hızlandırıcılar için yenilikçi bir programlama modeli geliştirdi. Proxics adı verilen bu yaklaşım, işlemcileri belleğe yakın konumlandırarak CPU ile veri alışverişini minimize etmeyi hedefliyor. Near-Data Processing (NDP) teknolojisi olarak bilinen bu yöntem, bant genişliği gereksinimlerini önemli ölçüde azaltıyor. Araştırmacılar, Unix işletim sistemi benzeri soyut kavramları kullanarak bu sistemlerin programlanmasını kolaylaştırmayı amaçlıyor. Geleneksel yaklaşımların NDP hızlandırıcıları için uygun olmadığını tespit eden ekip, derleme zamanı optimizasyonlarından yararlanarak hafif ve verimli bir çözüm sunuyor.
Yeni FPGA Hızlandırıcı Süper Bilgisayarlarda İş Yükü Dağılımını Devrimleştiriyor
Süper bilgisayar sistemlerinde iş yüklerinin verimli dağıtılması, modern hesaplamalı bilim için kritik bir zorluktur. Geleneksel yazılım tabanlı zamanlayıcılar, öngörülemeyen iş yükleri karşısında yetersiz kalıyor ve kaynak kullanımı optimal seviyede gerçekleşmiyor. Araştırmacılar bu soruna donanım temelli bir çözüm getirdi: Hercules ve Stannic adlı iki FPGA destekli hızlandırıcı mimarisi. Bu yenilikçi sistemler, paralel işleme, ön hesaplama ve uzamsal bellek erişimi teknikleriyle zamanlama süreçlerini dramatik şekilde hızlandırıyor. Hercules görev odaklı, Stannic ise program odaklı yaklaşım benimsiyor. Bu gelişme, özellikle paylaşımlı süper bilgisayar kümelerinde kaynakların daha verimli kullanılmasını sağlayarak, bilimsel hesaplamaların hızını artırabilir.
MemExplorer: Yapay Zeka Çiplerinin Bellek Mimarisi Sorununu Çözmeye Odaklanıyor
Büyük dil modellerinin (LLM) hızla gelişmesiyle birlikte yapay zeka çiplerinin bellek ihtiyaçları dramatik şekilde artıyor. Bu modellerin farklı çalışma aşamaları - örneğin veri önyükleme ve kod çözme aşamaları - tamamen farklı bellek kapasitesi ve bant genişliği gereksinimleri ortaya koyuyor. Teknoloji devleri bu zorluğa NVIDIA'nın Vera Rubin platformu gibi heterojen hızlandırıcıları birleştiren sistemlerle yanıt veriyor. Ancak durum, SRAM, HBM, LPDDR gibi mevcut bellek teknolojilerinin yanı sıra yüksek bant genişlikli flash bellek gibi yeni seçeneklerin de devreye girmesiyle daha da karmaşıklaşıyor. Her teknoloji farklı kapasite, hız ve enerji tüketimi avantajları sunuyor. MemExplorer projesi, gelecek nesil yapay zeka çiplerinin optimal bellek mimarisini belirlemek için bu geniş tasarım alanında navigasyon sağlamaya odaklanıyor.