CPU, TPU ve QPU Nedir?

Delikli kartların ve hesap makinesinin icadıyla bir arada, insanoğlunun tarihinde makinelerle süreç yapmanın tarihi de başladı. Elektronik sıçrama, transistörün icadı ve yarı iletken aygıtlardaki üstün gelişmeler, insanoğlunun data sürece gücünü inanılmaz oranda artırdı. Artık ise insanoğlunun önünde, mevcut bilgi süreç gücünü inanılmaz bir halde katlama potansiyeline sahip bir teknoloji var: Kuantum Bilgisayarlar.

Bir delikli kart örneği. Delikli kartlar, sistemin makul bir işi yapması için girdi niteliği taşırdı. Birebir bir bilgisayarı programlamak üzere

Klasik Hesaplama

Pek çok insanın aklına, CPU deyince direkt olarak işlemci gelir. Bu, vakitle oturmuş bir alışkanlık olsa da, temelinde kusurludur. Açılımı Centeral Processing Unit yani Merkezi Süreç Ünitesi olan CPU, temelinde işlemcilerden daha fazlasını, datanın nasıl işlendiğini temsil eder.

Bunun yanında, TPU ve QPU üzere de varyantları, daha doğrusu farklı sistemlerdeki karşılıkları vardır. Gelin, bu tabirlere daima birlikte bakalım.

CPU ve İkili Sistem

Klasik hesaplamada (CPU ile yapılan) Bit, bir ya da sıfır bedelini alabilen, küçük, ikili sisteme sahip bir bilgi yığınıdır. Klasik bilgisayar teknolojilerinde işlenmiş bir Bit, iki düşük DC voltaj düzeyinden biri tarafından temsil edilir. Bu iki düzeyin birinden başkasına geçerken, kelamda yasak bölge mümkün olduğunca çabuk geçilmelidir. Zira elektrik voltajı tabiatı gereği, bir düzeyden başkasına anlık olarak değişemez.

Bir işlemci çekirdeği kesiti

Bu voltaj olayları, bir yerden tanıdık geliyor olmalı. Evet, Transistörler! CPU bir bakıma, bilgisayar kozmosu için klasik hesaplamayı temsil ediyor. Kökeni delikli kartlara kadar dayanan İkili (Binary) sistem ise, klasik hesaplamanın temellerini oluşturuyor.

İkili sistem, Bool Cebiri’ne dayanmakta. Temelinde 0 ve 1 olarak temsil edilen iki duruma sahip bu matematik sistemi, bizim karmaşık bilgisayar işlemcilerimiz kalbinde yatan sistemi oluşturuyor.

İşlemciler, daha doğrusu klasik işlemciler, transistörlerden oluşur. Transistörler, bir cins elektrikle çalışan kapı üzeredir. Muhakkak durumlara nazaran çıktı olarak 1 ve 0 kıymetlerine karşılık gelebilecek, elektrik sinyalleri verebilirler. Aslında klasik bilgisayarlar, transistörlerin bu tabiatını, Bool cebirini fizikî bir elektrik devresine uygulamak için kullanır. Bu sayede Bitleri işleyen, toplayan ve çıkartan, devasa bir matematik devresi ortaya çıkartmış olursunuz.

Günümüzdeki işlemciler, Bool cebrinin çok derecede karmaşıklaşmış, hatta bir noktada evrilmiş bir varyantı baz alınarak tasarlanıyor. Artık 0 ve 1’ler, kolay transistör devreleri değil; komut setleri, karmaşık transistör şemaları ve işlemci mimarileri konuşuluyor. Lakin birçok işlemcinin temelindeki mantık, iki bedele bakıyor: 0 ve 1.

0 ve 1’lerin, transistörler ve elektrik ile görselleştirilmesi.

Bool cebiri, Logic devreler ve Bit operasyonları hakkında ayrıntılı bilgi için, Logic Gate: Binary toplama yazımıza bakabilirsiniz

TPU ve Yapay Zeka Hesaplamaları

Tensör Sürece Üniteleri ya da TPU’lar (Tensor Processing Unit), makine tahsili iş yüklerini hızlandırmak için kullanılan, Google tarafından özel olarak geliştirilmiş uygulamaya özel entegre devrelerdir.

Şayet yapay zeka, yazılım ya da programlama ile ilgileniyorsanız, makine öğrenmesinde büyük modeller oluşturulurken, işlemcilerden yani CPU’lardan değil, ekran kartlarından yani GPU’lardan faydalanıldığını görmüşsünüzdür. GPU ve TPU aslında başka iki kavramı temsil etmektedir. Fakat TPU’nun ne olduğunu anlamak için, CPU yerine neden GPU kullanılıyor, bu soruyu anlamamız gerek.

Neden makine öğrenmesinde CPU yerine GPU kullanılır?

CPU’nuzu süratli, atik, kıpkırmızı bir Ferrari olarak düşünün. GPU’nuzu ise büyük, bir sürü yük taşıyabilen, devasa bir kamyon olarak hayal edin.

Ferrari’nizi kullanarak, elinizdeki küçük paketleri süratli bir halde A noktasından B noktasına götürebilirsiniz. Süratlidir, fakat yük kapasitesi azdır. Bunun yanında, devasa kamyonunuzu kullanarak elinizdeki birçok yükü, tekrar A noktasından B noktasına götürebilirsiniz. Yavaştır, fakat yük kapasitesi Ferrari’niz ile karşılaştırılamayacak kadar büyüktür.

Gördüğünüz üzere, Ferrari ve kamyon karşılaştırmasında olay sürat ve yük istikrarında sonuçlanıyor. CPU ve GPU karşılaştırmasında ise biz buna bant genişliği diyoruz.

Bant genişliği, GPU’ların data işlemede CPU’lardan daha süratli olmasının ana nedenlerinden biridir. CPU, büyük bilgi kümeleri nedeniyle modeli eğitirken çok fazla bellek kullanır. GPU ise sistemdekinden bağımsız, özel bir belleğe sahiptir. Bunun yanında, büyük ve karmaşık işleri hesaplamak, CPU’da çok fazla saat döngüsü gerektirir. Bunun nedeni, CPU’nun işleri sırayla alması ve muadili GPU’dan daha az sayıda çekirdeğe sahip olmasıdır.

Nvidia’anın yüksek GPU gücü gerektiren işler için tasarladığı, Tesla model kartı

Ayrıyeten en âlâ CPU’lar yaklaşık 50GB/s bellek bant genişliğine sahipken, en âlâ GPU’lar 750GB/s bellek bant genişliğine sahiptir.

Daha fazla bilgi için CPU ve GPU Ortasındaki Farklar Nelerdir isimli makalemize göz atabilirsiniz.

TPU: Google’ın uygulama bazlı sistemleri

Tensor Süreç Ünitesi ya da TPU, bilhassa Google’ın kendi TensorFlow yazılımını kullanan, nöral ağ temelli makine tahsili için Google tarafından özel olarak geliştirilmiş bir yapay zeka hızlandırıcısıdır. TPU, uygulamaya özel entegre devredir (ASIC). Şirket, TPU’ları 2015 yılında dahili olarak kullanmaya başladı ve 2018’de bunları hem bulut altyapısının bir modülü olarak hem de çipin daha küçük bir sürümünü satışa sunarak üçüncü tarafların kullanımına sundu.

TensorFlow, Google’ın yapay zeka ve makine tahsili üzere işlerde, vazifeleri ve data akışını denetimli ve verimli tutmak için geliştirdiği bir yazılım kütüphanesi. İçinde birçok farklı yazılımı barındırıyor ve yazılım kadar donanım tarafından da etkileniyor. Kütüphane, işlemci dayanağının yanında ekran kartı takviyesine de sahip, Nvidia da CUDA sayesinde bu alanda büyük bir üstünlük sağlamış durumda.

Bir TPU modülü

TPU, Google’ın TensorFlow için hazırladığı, tam olarak CUDA karşılığı olmasa da CUDA alternatifi, özel bir donanım. Uygulama bazlıdır, bu nedenle TensorFlow çalışma ortamına gereksinim duyuyor.

Quantum Bilgisayarlar

Bir Kuantum sürece Ünitesi ya da QPU, temelinde klasik bir bilgisayardan farklı bir halde çalışır.

Bir Qübit yahut bir kuantum biti, kuantum hesaplama fikrin yeni sürümüdür. Qübitler, ya / ya da (either / or) senaryoları üzerine şurası olan ikili bitlerin bilakis, birebir anda birden çok durumda olmalarına müsaade veren “süperpozisyon” özelliğini kullanır. Yazı tipe atmanın mümkün iki sonucunu düşünün: Yazı ya da Çeşide. Artık, her iki durumun tıpkı anda görünüp kaybolduğu, dönen bir madeni para düşünün. Bu süperpozisyondur.

Klasik Bİt’in ve Qubit’in görselleştirilmesi. Klasik bit, bir daireyi temsil ederken, Qubit bir küreyi temsil ediyor.

Klasik bir bilgisayarın sıkıntı bir sorunu çözmek için binlerce adımı tamamlaması gerekirken, bir kuantum bilgisayar tıpkı misyonu sadece iki yahut üç adımda tamamlayabilir.

Basitçe söylemek gerekirse, tabiatın kuantum mekaniği sistemine dayanan bir çeşit bilgi süreç ya da hesaplama düzeneğidir. Münasebetiyle, ikili (Binary) kodla sonlu kalmış klasik bilgisayarların yapamadığı yahut yapamayacağı şeyleri yapabilir.

Google’ın Sycamore’u ve Kuantum Üstünlüğü

Bir kuantum bilgisayar klasik bir bilgisayardan çok daha güçlüyse, Google’ın kuantum üstünlüğü duyurusu, bilgi sürecin geleceği için büyük bir gelişme arz etmekte.

Google’ın araştırmacı grubu, 53 qübitten oluşan bir çipe sahip Sycamore isimli bir makine kullanarak, rastgele devre örnekleme (random circuit sampling) ismi verilen bir vazifesi muvaffakiyetle tamamlamıştı. Bu, qübitler üzerinde rastgele süreçler yapmayı gerektirmekte. Chicago Üniversitesi’nden bilgisayar bilimcisi Bill Fefferman, bu durumu şöyle açıklamıştı: “Programlarının kodu rastgele seçilmiş üzere.”

Daha sonra tüm qübitlerin pahaları ölçüldü ve tüm süreç birçok sefer tekrarlandı. Ortaya çıkan dağılım, kuantum tesirlerinden ötürü rastgele değildi ve klasik bilgisayarlarla hesaplamak çok derecede zordu. Alacağı vakitten bahsetmiyoruz bile.

Google’ın Kuantum bilgisayarı, Sycamore

Sonuç olarak, Sycamore’un örnekleme sürecini milyon sefer tekrar etmesi yalnızca 200 saniye sürmüştü. Tıpkı süreci birinci sınıf bir klasik harika bilgisayarın tamamlaması ise 10.000 yıla yakın bir vakit alıyor.

Kuantum üstünlüğü, bir kuantum bilgisayarında yapılacak bir hesaplamayı klasik bir makinede yapılan hesaplamadan daha süratli çalıştırabileceğinizi söylemenin havalı bir yoludur. Üstelik bu hesaplama, herhangi bir matematik formülü gerektirmiyor. Münasebetiyle bu süreç klasik bilgisayarlarla alıştığımız hesaplamaya nazaran çok farklı bir yaklaşımdır. Ayrıyeten, tipik bir işlemciyle hesaplamalar yapmak yerine, çoklu qübitlerden oluşan bir bilgisayarla kuantum deneyi yürütmenin ta kendisidir.

CPU ve QPU birleşebilir mi?

Şu an için QPU ve CPU’yu birebir çatı altında bileştiren bir yaklaşım fizikî olarak bulunmuyor. Ayrıyeten denenmemiş bir formül. Çünkü Kuantum işlemcilerin sahip olduğu süperpozisyon onu daha süratli yapsa da, CPU’lara nazaran de daha karmaşık hale getirmekte. Süperpozisyonu benimseyen bir sistemi ikili bir sisteme dönüştürmenin gerektireceği zorluklar düşünülünce, bu birleşimin sıkıntı olduğu ortaya çıkıyor.

Lakin, hibrit bir sistem mümkün olabilir. Alıştığımız, standart CPU süreç ünitesinin yanında, QPU ünitesine sahip sistemler görebiliriz. QPU, muhakkak ve özel işleri çözmek için kullanılırken, CPU da günlük, klasik işler için kullanılabilir. Kim bilir, tahminen de ARM yahut RISC-V ile çıkacak işlemciler, bizlere CPU + QPU hibrit sistemlerin ve ardından Kuantum çağının kapılarını aralayabilir.

Bu bir hayal. Pekala gerçekleşebilir mi? Bunu bize vakit gösterecek.

Makale hakkında görüş, teklif ve tenkitlerinizi yorumlar kısmında belirtebilir, işlemciler ve işlemcilerin yapı taşları hakkında merak ettiğiniz hususları Technopat Sosyal’de sorabilirsiniz.

Kaynak: Technopat