Yan Bantı Pompalı Fonon–Kavite Dinamikleriyle Yan Bant Pompalı Fonon–Kavite Dinamikleri Yoluyla Eşlenik Mikroelektromekanik Davul Rezonatörleri Kullanarak Rezervuar Hesaplamanın Gerçekleştirilmesi

Titreşimlerden öğrenen akıllı minik davullar

Bir sensörün yalnızca bir sinyali algılamakla kalmayıp aynı zamanda ondan öğrenip yerinde tahminler yapabildiğini hayal edin. Bu makale, bir çip üzerindeki mikroskobik titreşen iki “davul” çiftinin basit bir öğrenme makinesi gibi davranabileceğini gösteriyor; bu da veriyi uzak bilgisayarlara göndermeden algılayan, işleyen ve karar veren cihazlara giden bir yol açıyor.

Titreşimleri hesaplamaya dönüştürmek

Çalışma, zaman içinde açığa çıkan bilgiyi—örneğin konuşulan kelimeler, kalp atışları veya sismik sinyaller—işlemek için tasarlanmış bir makine öğrenmesi dalı olan rezervuar hesaplamaya dayanıyor. Büyük bir yapay nöron ağı eğitmek yerine, rezervuar hesaplama giriş sinyalini dahili dinamikleri geçmiş girdileri doğal olarak karıştıran ve hatırlayan karmaşık bir fiziksel sisteme besler. Sadece son çıktı aşaması eğitilir; bu da enerji ve donanım maliyetlerini önemli ölçüde düşürür. Yazarlar mikro‑elektro‑mekanik sistemleri (MEMS) kullanıyor: elektriksel olarak sürülen ve okunabilen, saniyede milyonlarca kez titreşebilen küçük mekanik parçalar. MEMS zaten akıllı telefonlar ve otomobillerde sensör olarak yaygın şekilde kullanılıyor ve doğal doğrusal olmayan titreşimleri ile sonlu “sönme” süreleri onları fiziksel rezervuar olarak uygun kılıyor.

Çip üzerindeki eşlenik bir davul çifti

Bu çalışmanın merkezindeki aygıt bir “çift‑davul” rezonatör: aralarında çok küçük bir boşluk bulunan, biri silikon nitrür ve diğeri alüminyum olan iki dairesel membran. Her davulun megahertz aralığında kendi titreşim frekansı vardır ve boşluk boyunca değişen kapasitans aracılığıyla elektriksel olarak birbirine bağlanırlar. Hareketlerini büyük hassasiyetle sürmek ve izlemek için bir mikrodalga devresi kullanılır. Rezervuar hesaplama uygulamak için yazarlar bu fiziksel yapıyı tek bir düğüm olarak ele alır ve ardından gecikme döngüsü aracılığıyla girişin farklı zaman dilimlerini besleyerek yüzlerce sözde düğüm (virtual node) oluşturur. Gecikme, hareketin gecikmiş bir versiyonunu sürüyü modüle etmek için geri gönderen bir alanda programlanabilir kapı dizisi (FPGA) üzerinde dijital olarak gerçekleştirilir, böylece mevcut durum her zaman hem mevcut girdiye hem de yakın geçmiş titreşimlerine bağlı olur.

Zengin dinamikleri karıştırmak için bir pompa tonu kullanmak

Ana yenilik, iki davulun nasıl bağlandığında yatıyor. Optomekanikten ödünç alınan fikirlerle, araştırmacılar daha yüksek frekanslı davulun bir yan bandında yer alan özel bir frekansta güçlü bir “pompa” sürümü uygularlar. Bu pompa etkili bir şekilde fonon otobüsü görevi görerek mekanik enerjiyi iki davul arasında taşıyor. Daha zayıf bir “prob” sürümü bir davulu uyardığında, pompa bu hareketin bir kısmını diğer davulun titreşimlerine ve sonra tekrar geri dönüştürerek sürü gücüne ve frekans kaymasına güçlü şekilde bağlı girişim desenleri oluşturur. Pompa genliğini dikkatle ayarlayarak ekip belirgin doğrusal olmayan tepkiler üretiyor: sürüdeki küçük değişiklikler titreşimlerin yükselmesine veya bastırılmasına neden olabiliyor. Bu doğrusal olmayanlıklar, giriş bilgisini daha yüksek boyutlu bir uzaya karıştırmak ve yine de önceki girdilerin solan bir hafızasını korumak için rezervuar hesaplamanın ihtiyaç duyduğu özelliklerin ta kendisidir.

Hafıza ve tahmin yeteneklerini test etmek

Küçük davul sisteminin ne kadar iyi hesaplama yaptığı nicelendirilebilmek için yazarlar onu iki standart benchmark teste tabi tutuyor. Birinci test olan parity görevi, sistemin birkaç geçmiş ikili girişi hatırlayıp doğrusal olmayan şekilde birleştirip birleştiremeyeceğini kontrol ederek kısa‑vadeli hafıza kapasitesini ortaya çıkarır. Özellikle girişim zirvelerinin keskin olduğu güçlü doğrusal olmayan pompa rejimlerinde çalıştırılarak çift‑davul rezervuar parity görevlerini birkaç zaman adımı geriye kadar doğru çözüyor ve önceki tek rezonatör MEMS rezervuarlarıyla karşılaştırılabilir hafıza kapasitelerine ulaşıyor. İkinci benchmark olan NARMA görevi ise daha zordur: mevcut değerin uzun ve doğrusal olmayan bir geçmişe dayandığı bir zaman serisini yeniden üretmeyi gerektirir. Burada yeni platform ılımlı bir performans sergiliyor, ancak alüminyum davulun titreşimlerinin hızla sönmesi ve gürültü eklemesi nedeniyle bazı daha yavaş, daha düşük frekanslı MEMS sistemleri kadar iyi değil; bu da sistemin etkin bir şekilde ne kadar geriye kadar hatırlayabileceğini sınırlıyor.

Bu minik öğrenenlerin önemi

Bu sınırlamalara rağmen platform etkileyici bir verimlilik gösteriyor. Eşlenik davullar yalnızca onlarca mikrometre ölçeğinde yer kaplıyor ve doğrusal olmayan rejime ulaşmak için giriş başına femtojoul düzeyinde elektrik enerjisi gerektiriyor; toplam güç tüketimi ise nanowatt mertebesinde. Kritik olarak, yan bant‑pompalama şeması davulların frekanslarının mükemmel eşleşmesini gerektirmiyor ve fiziksel olarak ayrılmış rezonatörleri bağlayabiliyor; bu da üretimi ve ölçeklemeyi basitleştiriyor. Yazarlar, gelecekte bir davulun (veya davul setinin) ivme, basınç veya ışık gibi bir büyüteç olarak hizmet ederken diğer bir davulun ölçülen sinyal üzerinde yerinde rezervuar hesaplama yapacağı çipleri tasavvur ediyor. Bu şekilde tek bir kompakt MEMS platformu hem algılayıp hem de “düşünebilir”, veri transferini azaltabilir, enerji tasarrufu sağlayabilir ve daha akıllı, daha otonom cihazları mümkün kılabilir.

Atıf: 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

Anahtar kelimeler: rezervuar hesaplama, MEMS, nöromorfik donanım, titreşim sensörleri, uç AI