מימוש חישוב מאגר באמצעות רזונטורים זעירים מזווגים על-ידי תנועות פונונים בתא־הצלע

תופים זעירים חכמים שלומדים מרטטים

דמיינו חיישן שלא רק מזהה אות, אלא גם לומד ממנו ומנבא במקום. מאמר זה מדגים כיצד זוג "תופים" רוטטים מיקרוסקופיים על שבב יכולים לשמש כמכונת למידה פשוטה, ופותחים נתיב להתקנים שמרגישים, מעבדים ומקבלים החלטות מבלי לשלוח נתונים למחשבים מרוחקים.

הפיכת רטטים לחישוב

העבודה בנויה על ענף בלמידת מכונה שנקרא חישוב מאגר (reservoir computing), המיועד לטפל במידע שמתפתח בזמן — כגון דיבור, דופק לב או אותות סייסמיים. במקום לאמן רשת גדולה של נוירונים מלאכותיים, חישוב מאגר מזין אות קלט למערכת פיזיקלית מורכבת שהתפתחותה הפנימית מערבבת וזוכרת באופן טבעי קלטים קודמים. מאומנות רק שלב הפלט הסופי, מה שמצמצם במידה רבה צריכת אנרגיה ועלויות חומרה. המחברים משתמשים במערכות מיקרו‑אלקטרו‑מכניות (MEMS): חלקים מכאניים זעירים שרוטטים מיליוני פעמים בשנייה וניתנים להנעה ולקריאה חשמלית. MEMS כבר נמצאות בשימוש נרחב כחיישנים בטלפונים חכמים וברכבים, ותכונותיהם הלא‑ליניאריות וזמני ה"דהייה" הקצרים הופכים אותם למתאימים כאגנים פיזיקליים.

זוג תופים מזווגים על שבב

המכשיר שבמרכז המחקר הוא רזונטור "דו‑תופי": שתי ממברנות עגולות, אחת מנייטריד סיליקון ואחת מאלומיניום, מונחות אחת מעל השנייה במרווח זעיר. לכל תוף תדירות רטט משלו בתחום המגה‑הרץ, והן מקושרות חשמלית דרך קיבול משתנה החוצה את המרווח. מעגל מיקרוגל משמש להנעה ולניטור התנועה שלהן ברגישות גבוהה. כדי לממש חישוב מאגר, המחברים מתייחסים למבנה הפיזיקלי הזה כצומת יחיד ואז יוצרים מאות צמתים וירטואליים על ידי הזנת פרוסות זמן שונות של הקלט דרך לולאת העיכוב. העיכוב ממומש דיגיטלית על‑גבי שדה תכנותי (FPGA), ששולח גרסה מעוכבת של תנועת התוף בחזרה כדי למודול את ההנעה, כך שהמצב הנוכחי תלוי הן בקלט העכשווי והן ברטטים מהעבר הקרוב.

שימוש בטון משאבה כדי לעורר דינמיקה עשירה

החידוש המרכזי טמון באופן שבו שני התופים מזווגים. בהשאלה מאופטומכניקה, החוקרים מיישמים הנעה חזקה של "טון משאבה" בתדירות מיוחדת הנמצאת על צד של התוף בעל התדירות הגבוהה יותר. המשאבה פועלת כמעין אוטובוס פונונים, שמעביר אנרגיה מכנית בין שני התופים. כאשר הנעה חלשה יותר — "בדיקה" — מרעידה תוף אחד, המשאבה ממירה חלק מהתנועה הזו לרטטים בתוף השני ואז בחזרה, ויוצרת דפוסי התאבכות שתלויים מאוד בעוצמת ההנעה ובהסטת התדירות. על־ידי כיוונון מדויק של אמפליטודת המשאבה, הצוות מייצר תגובות לא‑ליניאריות בולטות: שינויים קטנים בהנעה יכולים לגרום להגברה או לדיכוי של הרטט. אי‑ליניאריות אלה הן בדיוק מה שחישוב מאגר צריך כדי לערבב מידע לקלט למרחב ממדי גבוה יותר תוך שמירה על זיכרון דועך של קלטים קודמים.

בדיקת יכולות זיכרון וחיזוי

כדי לכמת כמה טוב מערכת התופים הזעירים מחשבת, המחברים נבחנים בשני מבחנים סטנדרטיים. הראשון, משימת הפריטי (parity), בודק האם המערכת יכולה לזכור ולשילב בצורה לא‑ליניארית כמה קלטים בינריים קודמים, וכך לחשוף את קיבולת הזיכרון קצר הטווח שלה. באמצעות פעולה במצבי משאבה חזקים ולא‑ליניאריים, במיוחד באזורים שבהם נקודות ההתאבכות חדות, מאגר הדו‑תופי פותר נכון משימות פריטי עד מספר צעדים אחורה ומגיע לקיבולות זיכרון שניות לאלו של מאגרי MEMS בעלי רזונטור יחיד קודם לכן. המבחן השני, הנקרא NARMA, תובעני יותר: הוא דורש לשחזר סדרת זמן שערכה הנוכחי תלוי בהסטוריה ארוכה ולא‑ליניארית של קלטים ופלטים. כאן הפלטפורמה החדשה מבצעת בבינוניות אך עדיין לא משתווה לחלק ממערכות MEMS איטיות יותר ובעלות תדר נמוך יותר, בעיקר כיוון שרטטי תוף האלומיניום מת דע מהר ומוסיפים רעש, מה שמגביל כמה לאחור במובן הזמן המערכת יכולה באמת לזכור.

מדוע הלומדים הזעירים האלה חשובים

אפילו עם המגבלות האלה, הפלטפורמה מדגימה יעילות מרשימה. התופים המזווגים תופסים רק כמה עשרות מיקרומטרים לצד ודורשים פמטוג'אולים של אנרגיה חשמלית לכל קלט כדי להגיע למשטר הלא‑ליניארי, עם צריכת אנרגיה כוללת בטווח הננווטים. מהותי הוא כי סכמת המשאבה בצד־הצלע אינה דורשת תדירויות תוף זהות לחלוטין ויכולה לקשר רזונטורים המופרדים פיזית, מה שמפשט ייצור והרחבה. המחברים מדמיינים שבבים עתידיים שבהם תוף אחד (או קבוצת תופים) ישמש כחיישן רגיש — למשל תאוצה, לחץ או אור — בעוד תוף אחר יבצע חישוב מאגר מיידי על האות הנמדד. כך פלטפורמת MEMS קומפקטית אחת יכולה גם לחוש וגם "לחשוב", להפחית העברת נתונים, לחסוך אנרגיה ולאפשר מכשירים חכמים ואוטונומיים יותר.

ציטוט: 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

מילות מפתח: חישוב מאגר, MEMS, חומרה נוירומורפית, חיישני רטט, Edge AI