تنفيذ الحوسبة الخزينية باستخدام رنانات طبول ميكروكهروميكانيكية مترابطة عبر ديناميكا فجوة الفونون‑الحجرة بضخ جانبي

طبلان ذكيان صغيران يتعلمان من الاهتزازات

تخيل أن حسّاسًا لا يكتفي بكشف إشارة فحسب، بل يتعلم منها ويجري توقعات في الموقع. تُظهر هذه الورقة كيف يمكن لزوج من «الطبول» الميكروسكوبية المهتزة على شريحة أن يعمل كآلة تعلم بسيطة، فاتحًا طريقًا نحو أجهزة تستشعر وتعالج وتتخذ قرارات دون إرسال البيانات إلى حواسيب بعيدة.

تحويل الاهتزازات إلى حساب

يعتمد العمل على فرع من تعلم الآلة يُدعى الحوسبة الخزينية، المصمم للتعامل مع المعلومات المتغيرة عبر الزمن—مثل الكلمات المنطوقة، نبضات القلب، أو الإشارات الزلزالية. بدلًا من تدريب شبكة كبيرة من الخلايا العصبية الاصطناعية، تغذي الحوسبة الخزينية إشارة دخل إلى نظام فيزيائي معقد تتداخل ديناميكياته الداخلية وتحتفظ بذكريات للمدخلات السابقة بطبيعتها. يُدرّب فقط مرحلة الإخراج النهائية، مما يخفض كثيرًا من استهلاك الطاقة وتكاليف الأجهزة. يستخدم المؤلفون أنظمة ميكرو‑كهروميكانيكية (MEMS): أجزاء ميكانيكية صغيرة يمكن أن تهتز ملايين المرات في الثانية أثناء تحريكها وقراءتها كهربائيًا. تُستخدم MEMS بالفعل على نطاق واسع كحساسات في الهواتف الذكية والسيارات، وتجعلها اهتزازاتها غير الخطية الطبيعية وزمن اهتزازها المنتهي «التحلل» مناسبة كسُخّان فيزيائي.

زوج من الطبول المترابطة على رقاقة

الجهاز المحوري في هذه الدراسة هو رنان «طبلي مزدوج»: غشائين دائريين، أحدهما من نيتريد السيليكون والآخر من الألومنيوم، مكدسين بفجوة صغيرة بينهما. لكل طبل تردده الاهتزازي الخاص في نطاق الميغاهرتز، وهما مرتبطان كهربائيًا عبر تغير السعة عبر الفجوة. تُستخدم دارة ميكروويف لتحريك حركتهما ومراقبتها بحساسية عالية. لتطبيق الحوسبة الخزينية، يعامل المؤلفون هذه البنية الفيزيائية كعقدة واحدة ثم ينشئون مئات ما يُسمى بالعُقد الافتراضية عبر تغذية شرائح زمنية مختلفة من الدخل خلال حلقة تأخير. يُنفّذ التأخير رقميًا على مصفوفة بوّابات قابلة للبرمجة ميدانيًا (FPGA)، التي ترسل نسخة مؤجلة من حركة الطبل لإعادة تعديل التحفيز، بحيث تعتمد الحالة الحالية دائمًا على كل من الدخل الحالي والاهتزازات الماضية القريبة.

استخدام نبرة ضخ لتحفيز ديناميكيات غنية

تكمن الابتكار الرئيسي في طريقة ربط الطبولين. مستعيرين أفكارًا من البصريات الميكانيكية، يطبق الباحثون دفعًا قويًا «ضخًا» عند تردد خاص يقع على جانب من جانبَي الطبل ذي التردد الأعلى. يعمل هذا الضخ فعليًا كحافلة فونون، ينقل الطاقة الميكانيكية بين الطبلين. عندما يثير دفع أضعف «مسبار» أحد الطبول، يحوّل الضخ جزءًا من ذلك الحركة إلى اهتزازات الطبل الآخر ثم يعيدها، مكوّنًا أنماط تداخل تعتمد بشدة على شدة التحفيز وفارق التردد. من خلال ضبط سعة الضخ بعناية، يولّد الفريق استجابات لا خطية بارزة: تغييرات صغيرة في التحفيز قد تسبب تضخيمًا أو قمعًا للاهتزازات. هذه اللاخطيات هي بالضبط ما تحتاجه الحوسبة الخزينية لخلط معلومات الدخل إلى فضاء أعلى الأبعاد مع الاحتفاظ بذاكرة متلاشية للمدخلات السابقة.

اختبار قدرات الذاكرة والتنبؤ

لقياس مدى كفاءة نظام الطبل الصغير في الحساب، يخضعه المؤلفون لاختبارين معياريين. الأول، المسمى مهمة التحقق من التوازي (parity)، يفحص ما إذا كان النظام يستطيع تذكر ودمج عدّة مداخل ثنائية بشكل غير خطي، كاشفًا عن سعة ذاكرته قصيرة الأمد. من خلال التشغيل في أنظمة ضخ شديدة اللاخطية، خاصة حيث تكون قمم التداخل حادة، يحل خزان الطبل المزدوج مسائل التوازي بشكل صحيح لعدة خطوات زمنية إلى الوراء ويحقق سعات ذاكرة تقارن بخزانات MEMS أحادية الرنان السابقة. الاختبار الثاني، المعروف بمهمة NARMA، أصعب: يتطلب إعادة إنتاج سلسلة زمنية تعتمد قيمتها الحالية على تاريخ طويل وغير خطي من المدخلات والمخرجات. هنا، يؤدّي المنصة الجديدة أداءً معتدلاً لكنه لم يصل بعد إلى مستوى بعض أنظمة MEMS الأبطأ والأدنى ترددًا، ويرجع ذلك إلى حد كبير إلى أن اهتزازات طبل الألومنيوم تتلاشى بسرعة وتضيف ضوضاءً، مما يقيّد إلى أي مدى يمكن للنظام أن يتذكر فعليًا في الزمن السابق.

لماذا تهم هذه المتعلمات الصغيرة

حتى مع هذه القيود، تُظهر المنصة كفاءة ملحوظة. تحتل الطبول المترابطة بضعة عشرات من الميكرومترات فقط ولها حاجة لطاقة كهربائية بالفمتوجول لكل دخل للدخول إلى النطاق غير الخطي، مع استهلاك طاقة إجمالي في نطاق النانowatt. والأهم أن مخطط الضخ الجانبي لا يتطلب مطابقة تامة لترددات الطبول ويمكنه ربط رنانات مفصولة ماديًا، مما يبسط التصنيع والتوسع. يتصور المؤلفون رقائق مستقبلية حيث يعمل طبل واحد (أو مجموعة طبول) ككاشف حساس—على سبيل المثال للتسارع أو الضغط أو الضوء—بينما يؤدّي طبل آخر الحوسبة الخزينية في الموقع على الإشارة المقاسة. وبهذه الطريقة، قد يجمع منصة MEMS مدمجة واحدة بين الاستشعار و"التفكير"، مما يقلل نقل البيانات ويوفّر الطاقة ويتيح أجهزة أكثر ذكاءً واستقلالية.

الاستشهاد: Farah, T., Flis, L., Laly, P. et al. Implementation of reservoir computing using coupled microelectromechanical drum resonators via sideband-pumped phonon–cavity dynamics. Microsyst Nanoeng 12, 163 (2026). https://doi.org/10.1038/s41378-026-01287-0

الكلمات المفتاحية: الحوسبة الخزينية, MEMS, الأجهزة النيورومورفية, حساسات الاهتزاز, الذكاء الاصطناعي على الحافة