منصة HiAER-spike القابلة لإعادة التكوين برنامجياً-عتادياً للحوسبة النيورومورفيّة المدفوعة بالأحداث على نطاق واسع

لماذا يهم نوع جديد من الحواسيب

معظم الذكاء الاصطناعي اليوم يعمل على عتاد صُمّم منذ عقود لأغراض مثل جداول البيانات ومعالجات النصوص، وليس لمحاكاة الدماغ. مع سعي الباحثين نحو آلات أذكى وأكثر كفاءة، يواجهون قيوداً في الطاقة والسرعة والحجم. يقدم هذا البحث HiAER‑Spike، منصة حوسبة نيورومورفيّة تعالج المعلومات عبر نبضات — أحداث كهربائية قصيرة — تماماً كما تفعل الخلايا العصبية الحقيقية. بُنيت كموارد مشتركة في مركز الحوسبة الفائقة في سان دييغو، وتهدف إلى تمكين العلماء حول العالم من تجربة الذكاء الاصطناعي المستوحى من الدماغ على نطاق يقترب من دماغ الحيوانات الصغيرة، مع استهلاك طاقة أقل بكثير من الأنظمة التقليدية.

بناء آلة مستوحاة من الدماغ

HiAER‑Spike عبارة عن عنقود كبير من خوادم، كل منها مزود بشرائح قابلة لإعادة التكوين عالية الأداء تُدعى FPGA. بدلاً من تنفيذ تعليمات برمجية عادية، تُكوّن هذه الشرائح لتعمل كشبكات واسعة من الخلايا العصبية والزوائد المشبكية الاصطناعية، تسمى الشبكات العصبية النابضة. صُمم النظام الكامل للتعامل مع ما يصل إلى نحو 160 مليون خلية عصبية نموذجية و40 مليار مشبك — أكثر من ضعف عدد الخلايا في دماغ الفأر — مع محاكاتها بسرعة تفوق الزمن الحقيقي. تضمن آلية اتصال خاصة، تسمى توجيه العناوين الحدّية الهرمي (hierarchical address‑event routing)، مرور النبضات بسرعة بين مجموعات الخلايا العصبية على نفس الشريحة، وعبر شرائح مختلفة، وحتى عبر الخوادم، موفّقةً بين حركة المرور المحلية الكثيفة والاتصالات بعيدة المدى المتفرقة، على غرار المادة الرمادية والبيضاء في الدماغ.

استيعاب شبكات ضخمة ضمن عتاد محدود

أحد التحديات الرئيسية في بناء مثل هذه الأنظمة هو ببساطة تخزين كل الاتصالات. الشبكات العصبية الحديثة غالباً ما تكون كبيرة جداً لكنها متفرّقة: معظم الاتصالات المحتملة غير مستخدمة. يستفيد HiAER‑Spike من هذه المتفرّقة عن طريق تخزين الاتصالات القائمة فقط في قائمة فعّالة بدلاً من شبكة كاملة بكل الاحتمالات. تعيش أوزان المشابك في ذاكرة ذات عرض نطاق عالٍ على كل FPGA، بينما تُحفظ الحالات المتغيرة بسرعة للخلايا والمحاور في ذاكرة أسرع على الشريحة نفسها. عندما تحدث نبضات، يبحث النظام أولاً عن المشابك المتأثرة، ثم يستدعي قوتها ويحدّث الخلايا الهدف. تُبقي هذه العملية ذات الخطوتين، بالترافق مع تعبئة دقيقة للبيانات في الذاكرة، على استهلاك الطاقة والتأخير منخفضين حتى مع نمو الشبكات.

تسهيل استخدام عتاد متقدّم

لجعل هذه الآلة المتخصصة متاحة لغير الخبراء، أنشأ المؤلفون واجهة برمجية عليا بلغة بايثون وC++. يصف المستخدمون شبكاتهم النابضة بكائنات بسيطة — معرفين أنواع الخلايا، والمدخلات، والاتصالات، والمخرجات — دون الحاجة للانشغال بتفاصيل العتاد منخفض المستوى. يمكن تشغيل نفس الشفرة محلياً كمحاكاة برمجية، أو، إذا نُشرت عبر بوابة Neuroscience Gateway، على عتاد HiAER‑Spike نفسه. تدعم المنصة حالياً خلايا ثنائية بسيطة وخلايا متسربة مندمجة‑وفارغة (leaky integrate‑and‑fire)، مع خيارات لإدخال سلوك عشوائي، وتسمح بمزج أنواع خلايا مختلفة ضمن شبكة واحدة. يتيح هذا التصميم للباحثين تجربة النماذج على حاسوب محمول ثم توسيعها بسلاسة إلى العنقود النيورومورفي الكبير.

تطبيق النبضات على مهام حقيقية

لإظهار قدرة المنصة، حوّل الفريق مجموعة من نماذج الرؤية والتحكم القياسية إلى شكل نابض وشغّلها على نواة واحدة من FPGA. اختبروا تمييز الأرقام على مجموعة MNIST الكلاسيكية، والتعرّف على الإيماءات باستخدام كاميرات معتمدة على الأحداث التي تصدر نبضات بدلاً من إطارات، والتعرّف على الأشياء في صور CIFAR‑10، وحتى التحكم في لعبة Atari Pong باستخدام تمثيل نابض للحركة. عبر هذه المهام، طابق العتاد دقة المحاكيات البرمجية بعد تقنين الأوزان، غالباً بفارق لا يتجاوز بضع نقاط مئوية، مع زمن استجابة واستهلاك طاقة منخفضين جداً. على سبيل المثال، وصلت بعض شبكات تمييز الأرقام إلى دقة تفوق 98 بالمئة مع طاقة بميكروجول وتأخير بميكروثانية لكل صورة.

إلى أين قد تقودنا هذه المنصة الجديدة

بالنسبة للقارئ العام، الرسالة الأساسية هي أن HiAER‑Spike مختبر حوسبة مرن مستوحى من الدماغ يمكن لأي باحث الوصول إليه عن بُعد. حتى في مرحلته الأولى، يمكن لنواة واحدة تشغيل شبكات نابضة كبيرة لمهام مثل تمييز الإيماءات من كاميرات معتمدة على الأحداث، مستهلكة طاقة ووقتاً أقل بكثير من العديد من الأنظمة المنافسة. مع إضافة المزيد من الأنوية واللوحات، ومع توسيع البرمجيات لتشمل نماذج خلوية وقواعد تعلّم أغنى، قد تساعد هذه المنصة في ربط علم الأعصاب بالذكاء الاصطناعي — داعمة تجارب تستكشف كيف يمكن لشبكات نبضية كبيرة أن تُدعم الإدراك الفائق، واتخاذ القرار، وأجهزة ذكية منخفضة الطاقة في المستقبل.

الاستشهاد: Frank, G., Hota, G., Wang, K. et al. HiAER-spike software-hardware reconfigurable platform for event-driven neuromorphic computing at scale. npj Unconv. Comput. 3, 22 (2026). https://doi.org/10.1038/s44335-026-00062-8

الكلمات المفتاحية: الحوسبة النيورومورفيّة, الشبكات العصبية النابضة, معجّل FPGA, الرؤية المعتمدة على الأحداث, عتاد مستوحى من الدماغ