רשת מצב הד מבודדת פיזית המבוססת על חוסר־הקפסוליות ותגובת הזמן של טרנזיסטורים הטרוסטרוקטור אמביפולריים

מדוע הדבר חשוב לטכנולוגיה יומיומית

מעוזרים קוליים ועד אפליקציות מזג‑אוויר, הרבה מהכלים החכמים של היום מסתמכים על זיהוי תבניות המשתנות בזמן — כמו מילים מדוברות, דופק לב או מסלולי סערות. שבבים מסורתיים מתקשים לטפל בנתונים תלויי‑זמן באופן יעיל כי לא תוכננו לפעול באופן המזכיר מוח. המאמר מדווח על סוג חדש של בלוק חומרה — רכיבים זעירים הנקראים טרנזיסטורים אמביפולריים — מחוברים יחד כדי לחקות רשת בהשראת מוח הידועה כרשת מצב הד. התוצאה היא מערכת חישוב פיזית היכולה לזהות תמונות, לפרש אותות ולחזות כיצד תהליכים מורכבים יתפתחו, ובו‑זמנית לצרוך אנרגיה מועטה מאוד.

סוג חדש של מעגל בהשראת המוח

שבבים קונוונציונליים נפרדים בין זיכרון ועיבוד, משנעים נתונים הלוך‑חזור בצורה שמבזבזת זמן ואנרגיה. חישוב נוירומורפי נוקט גישה אחרת: הוא שואף לקרב בין זיכרון לעיבוד ברשתות שמתנהגות יותר כמו קבוצות של נוירונים וסינפסות במוח. רשתות מצב הד הן סוג מיוחד של רשתות כאלה. הן שולחות אותות נכנסים לרשת רחבה וקבועה של יחידות מחוברות המכונה מאגר (reservoir), שם האותות מעורבבים ומתהדקים לאורך זמן. רק שכבת הקריאה הסופית מאומנת, מה שמפשט מאוד את הלמידה. המחברים שאלו שאלה מרכזית: האם ניתן לבנות את המאגר הזה ישירות ממכשירים פיזיים במקום לדמותו בתוכנה, כך שהחומרה עצמה תבצע את העיבוד הכבד באופן טבעי?

טרנזיסטורים אמביפולריים כנוירונים וסינפסות מלאכותיות

הצוות הנדס טרנזיסטורים העשויים מזוג חומרים אורגניים–אנאורגניים סתורים: שכבת תחמוצת אבץ (ZnO) ופולימר הנקרא P3HT. על‑ידי בחירה מדויקת בעובי כל שכבה הם יצרו מכשירים היכולים לשאת מטען חיובי ושלילי בקלות דומה — תכונה הנקראת הולכה אמביפולרית. לטרנזיסטורים אלה יש אזור שבו תגובתם החשמלית כמעט לינארית, ואז אזור שבו התגובה מתעקמת בצורה חלקה בצורת S, בדומה לפונקציית tanh המתמטית המשמשת כשלב הפעלה ברשתות עצביות רבות. בתחומי הפעולה הלינאריים הם פועלים כמו חיבורים ניתנים לכיוונון (סינפסות) שמבצעים סכומים משוקלים. באזור הרוויה הם מתנהגים כמו נוירונים שמצמצמים אותות לתחום מוגבל. מאחר שהזרם דרך כל מכשיר תלוי גם בשינויים המיידים במתח, החומרה שומרת באופן טבעי על היסטוריה קצרת‑טווח, וכך מעניקה למאגר תחושת זמן מובנית.

ממספרים בכתב יד למערכות כאוטיות בדומות למזג‑האוויר

כדי לבחון את רשת מצב ההד הפיזית הזו, החוקרים סדרו את הטרנזיסטורים האמביפולריים במערכים וקשרו אותם למעגלי קלט ופלט פשוטים. הם התמודדו תחילה עם משימות זיהוי תבניות באמצעות מאגרי תמונות ידועים. על‑ידי הזנת תמונות מישורות של ספרות בכתב יד ופריטי לבוש לתוך מאגר הטרנזיסטורים הם השיגו דיוק של כ‑95% בזיהוי ספרות ו‑86% בפריטי אופנה במצב פעולה בסיסי, וכמעט 97% ו‑87% בהתאמה כאשר ניצלו את התנהגות הדינמיקה של המכשירים במלואה יותר באמצעות קידוד חכם מבוסס פולסים. לאחר מכן הם עברו מעבר לתמונות סטטיות לבעיות סדרות זמן אמיתיות. המערכת חזתה את תנועת המשיכה של לורנץ — מודל קלאסי של דינמיקה כאוטית בדומה למזג‑האוויר — עם שגיאה נמוכה מאוד, ואף חזה את תנועת ומיקום מרכז טייפון אמיתי לאורך זמן.

האזנה ללב וקריאת רגשות

מכיוון שרבים מהבעיות בעולם האמיתי כוללות יותר מסוג נתון אחד, הצוות חקר גם משימות מולטימודאליות. הם המירו אותות אלקטרוקרדיוגרמה (ECG) גם לצורות גל חד‑ממדיות וגם לתמונות זמן‑תדירות דו‑ממדיות, ושלחו כל אחד מהם לאותו מאגר אמביפולרי. על‑ידי שילוב המצבים הפנימיים שהתקבלו, המערכת סיווגה דפוסי אות לב בצורה מדויקת יותר מאשר שימוש בכל מצב בנפרד. במחקר נוסף הם השתמשו במאגר כקדם‑מעבד לניתוח מאגר נתונים של דיבור אנושי, טקסט והבעות פנים. כאשר תכונות השמע, השפה והחזות עיבדו תחילה דרך הרשת האמביפולרית ואז נמסרו לממיין תוכנה סטנדרטי, דיוק הזיהוי עלה במידה ניכרת לעומת תוכנה בלבד. בכל הניסויים האלה המכשירים האמביפולריים היו בעלי ביצועים טובים באופן עקבי לעומת טרנזיסטורים פשוטים מסוג n או p, הודות לתגובה מאוזנת אותן הם סיפקו לאותות חיוביים ושליליים ולדינמיקה פנימית עשירה יותר.

מה משמעות הדבר למכשירים חכמים עתידיים

עבור לא‑מומחים, המסקנה המרכזית היא שעבודה זו הופכת רעיון מתמטי — רשת מצב הד — לחומרה מוחשית שבה כל טרנזיסטור מתנהג קצת כמו נוירון וסינפסה זעירים, תגובתיים ומשולבים. מאחר שהקשרים הפנימיים של המאגר אינם צריכים להיות מאומנים, ומאחר שהמכשירים מספקים גם אי‑ליניאריות וגם זיכרון קצר‑טווח, המערכת הנוצרת יכולה לטפל במשימות כמו זיהוי תמונות, ניתוח אותות וחיזוי סדרות זמן עם אלגוריתמים פשוטים יותר ועלויות אנרגיה פוטנציאלית נמוכות בהרבה. זה מצביע על נתיב לשבבים עתידיים שיכולים לעבד זרמי מידע בצורה טבעית יותר כפי שהמוח שלנו עושה, ולאפשר חיישנים, מכשירים לבישים וכלי חיזוי חכמים ויעילים יותר מבלי לשאת את עלות החישוב הכבדה של מכונות הלמידה העמוקה של היום.

ציטוט: Zhong, WM., Zhang, W., Zeng, YX. et al. Physical echo state network based on the nonlinearity and dynamic response of ambipolar heterostructure transistors. Nat Commun 17, 3321 (2026). https://doi.org/10.1038/s41467-026-70171-2

מילות מפתח: חומרה נוירומורפית, רשת מצב הד (echo state network), טרנזיסטור אמביפולי, חיזוי סדרות זמן, מיחשוב מאגר (reservoir computing)