Higher-Order Kuramoto Oscillator Network for Dense Associative Memory

إن الدماغ البشري بارع في الربط بين الأشياء. فعندما تشم رائحة المطر على الأرض الجافة، تتذكر على الفور صيفاً من طفولتك؛ وعندما ترى وجهاً جزئياً في زحام، تتعرف على صديق. هذه القدرة على استرجاع ذكرى كاملة من شظية أو دليل تالف تُعرف بالذاكرة الترابطية. لعقود من الزمن، حاول العلماء بناء أنظمة اصطناعية تحاكي هذه العملية، مستخدمين غالباً نماذج رياضية لوحدات بسيطة تسمى المتذبذبات. هذه الوحدات، التي يمكن اعتبارها بمثابة ساعات إيقاعية صغيرة، ترغب بطبيعتها في التحرك في تزامن مع بعضها البعض. وفي النماذج الكلاسيكية المستخدمة لدراسة هذا التزامن، تتواصل الوحدات مع بعضها البعض في أزواج فقط، مثل شخصين يتهامسان لبعضهما البعض. وبينما ينجح هذا الإعداد البسيط في تخزين عدد قليل من الأنماط، فإنه يعاني عندما يُطلب منه حمل العديد من الذكريات في وقت واحد، حيث غالباً ما يصاب بالارتباك أو يفقد الإشارة تماماً. ولبناء آلة يمكنها احتواء مكتبة ضخمة من الذكريات واسترجاعها بشكل موثوق، احتاج الباحثون إلى إيجاد طريقة تجعل هذه الوحدات تتفاعل بطرق أكثر تعقيداً وقائمة على المجموعات.

لقد اتخذ فريق من الباحثين في جامعة كامبريدج خطوة كبيرة نحو حل هذه المشكلة من خلال تصميم نوع جديد من الشبكات حيث تتفاعل هذه الوحدات الإيقاعية ليس فقط في أزواج، بل في مجموعات من أربعة. لقد دمجوا التفاعلات الثنائية التقليدية والمفهومة جيداً مع اتصال حقيقي رباعي الأطراف، مستلهمين ذلك من نظريات تخزين الذاكرة الكثيفة. في نموذجهم، تعتمد حالة وحدة واحدة على الطور المشترك لثلاث وحدات أخرى، مما يخلق مشهداً أغنى من السلوكيات المحتملة. ومن خلال اختبار هذا النظام باستخدام محاكاة حاسوبية وتحليل رياضي، اكتشفوا أن التفاعل رباعي الأطراف يغير بشكل جوهري كيفية تخزين الشبكة للمعلومات واسترجاعها. فبدلاً من التحول البطيء والتدريجي إلى حالة الذاكرة، يمكن للشبكة أن تنبثق فجأة وتستقر في مكانها، مما يسمح لها بالتمسك بالذكريات بصلابة أكبر ضد الضوضاء أو التداخل.

ركز الباحثون على سيناريو محدد حيث تحاول الشبكة استعادة نمط مخزن واحد، تماماً كما قد يحاول شخص ما تذكر وجه معين أثناء تجاهل ضوضاء الخلفية في غرفة مزدحمة. ووجدوا أن سلوك الشبكة يعتمد بشكل كبير على التوازن بين الاتصالات الثنائية البسيطة والاتصالات الرباعية المعقدة. فعندما تكون الاتصالات الرباعية ضعيفة، تتصرف الشبكة بشكل يمكن التنبؤ به، حيث تندمج تدريجياً في الذاكرة مع تحسن الظروف. ومع ذلك، عندما تصبح الاتصالات الرباعية قوية بما يكفي — وتحديداً عندما تكون أقوى بثلاث مرات من الاتصالات الثنائية في نموذجهم الحراري — يتغير السلوك بشكل دراماتيكي. تطور الشبكة تأثير "التباطؤ" (hysteresis)، مما يعني أنها تستطيع الوجود في حالتين مختلفتين في آن واحد: حالة تكون فيها قد نسيت الذاكرة، وحالة تكون فيها قد استرجعتها بشكل مثالي. وللانتقال من حالة النسيان إلى حالة التذكر، تحتاج الشبكة إلى دفعة أولية أو إشارة قوية بما يكفي للقفز فوق حاجز، وبمجرد تجاوز ذلك الحاجز، تظل عالقة في حالة الذاكرة حتى لو أصبحت الظروف أقل ملاءمة قليلاً.

هذا الانتقال المفاجئ، الذي يشبه "الكل أو لا شيء"، هو ميزة رئيسية لذكريات الترابط الكثيفة، المصممة لتخزين معلومات أكثر بكثير من النماذج التقليدية. وقد أظهر الباحثون أنه في هذا النظام الذي تهيمن عليه التفاعلات الرباعية، ينمو الوقت الذي تستغرقه الشبكة لنسيان الذاكرة عن طريق الخطأ بشكل أسّي مع زيادة عدد الوحدات. ومن الناحية العملية، يعني هذا أن شبكة أكبر ذات هذه التفاعلات المحددة تصبح مستقرة بشكل مذهل، حيث تحتفظ بذكرياتها لفترات أطول بكثير مما تفعل الشبكة القياسية. لقد قاموا بحساب حواجز الطاقة التي تحمي هذه الذكريات ووجدوا أن ارتفاع هذه الحواجز يتحدد بقوة التفاعلات الرباعية. وهذا يشير إلى أنه من خلال ضبط هذه التفاعلات، يمكن للمهندسين تصميم أجهزة تقاوم النسيان بشكل طبيعي، وهو مطلب حيوي لبناء أنظمة ذكاء اصطناعي قوية.

كما استكشف الفريق كيفية سلوك هذا النظام عندما يُطلب منه تخزين أنماط عديدة في وقت واحد، بدلاً من نمط واحد فقط. ففي سيناريو من الواقع العملي، يجب أن يتعامل نظام الذاكرة مع مكتبة من آلاف العناصر، وليس مجرد صورة واحدة. استخدموا نهجاً إحصائياً لتقدير مقدار "التداخل" أو التشويش الذي يحدث عند تخزين أنماط متعددة في آن واحد. وكشفت عمليات المحاكاة التي أجروها أنه بينما يمكن للنظام التعامل مع حمل كبير، فإن العلاقة بين عدد الأنماط المخزنة وحجم الشبكة هي علاقة معقدة. وفي بعض الحالات، وخاصة عندما تهيمن التفاعلات الرباعية، أظهر النظام اتجاهات حيث بدا أن عدد الأنماط القابلة للتخزين يتوسع بسرعة أكبر من حجم الشبكة نفسها. ومع ذلك، فقد أكد الباحثون بحذر أن هذه النتائج تستند إلى محاكاة لأنظمة ذات حجم محدود، وهي ليست قوانين سعة نهائية، بل هي اتجاهات مرتبطة بالحجم المحدود ولا تنطبق بالضرورة على الأنظمة الضخمة للغاية.

ولاختبار هذه الأفكار، أجرى الباحثون عمليات محاكاة حاسوبية مكثفة باستخدام نوعين مختلفين من النماذج. تضمن أحد النماذجين ضوضاء عشوائية، مما يحاكي التقلبات الحرارية الموجودة في الأنظمة الفيزيائية، بينما كان النموذج الآخر نموذجاً حتمياً بلا ضوضاء، يمثل بيئة مثالية ومتحكم بها تماماً. وأظهر كلا النموذجين أن التفاعل الرباعي يخلق انتقالاً أكثر حدة ووضوحاً بين الحالة المرتبكة وحالة الذاكرة الواضحة. وفي النموذج الصاخب، حدثت نقطة الانتقال حيث تصبح الشبكة فجأة ثنائية الاستقرار عندما كانت القوة الرباعية ثلاثة أضعاف القوة الثنائية. أما في النموذج الخالي من الضوضاء، فقد انتقلت هذه النقطة الحرجة إلى نسبة ستة أضعاف. يسلط هذا الاختلاف الضوء على أن طبيعة الاضطراب المحددة — سواء كان ناتجاً عن ضوضاء عشوائية أو عن اختلافات في الإيقاعات الطبيعية للوحدات — تؤثر على التفاصيل الدقيقة لسلوك النظام، رغم أن الظاهرة العامة المتمثلة في الاسترجاع المفاجئ للذاكرة تظل كما هي.

كما تناولت الدراسة التحدي العملي المتمثل في كيفية بناء مثل هذا النظام في العالم الحقيقي. يتطلب النموذج الرياضي نوعاً معيناً من الاتصال حيث تتفاعل أربع وحدات في وقت واحد، وهي ميزة لا تتوفر في الدوائر الإلكترونية القياسية أو الإعدادات البصرية البسيطة. وأشار الباحثون إلى أنه بينما يمكن لأنظمة فيزيائية معينة، مثل الخلاطات البصرية غير الخطية أو الدوائر فائقة التوصيل، أن تنتج تفاعلات متعددة الأجسام فعالة، إلا أنه لا يوجد جهاز حالي يحقق الصيغة الرياضية الدقيقة التي درسوها. إن تنفيذ هذا النموذج سيتطلب أوزاناً قابلة للبرمجة يمكن أن تكون موجبة أو سالبة، مما يسمح للشبكة بتعزيز أو كبح أنماط ذاكرة معينة. ورغم هذه العقبات الهندسية، فإن العمل النظري يوفر مخططاً واضحاً لما هو مطلوب؛ فهو يحدد المكونات الدقيقة — وتحديداً التوازن بين القوى الثنائية والرباعية — المطلوبة لإنشاء نظام ذاكرة كثيف ومستقر.

في نهاية المطاف، يجسّر هذا العمل الفجوة بين النظريات المجردة للذاكرة وفيزياء التزامن. فهو يثبت أنه من خلال تجاوز التفاعلات الثنائية البسيطة، يمكن إنشاء نظام يحاكي متانة الذاكرة البشرية. وتشير النتائج إلى أن المفتاح لبناء ذكريات ترابطية كثيفة وقوية يكمن في تسخير التفاعلات من رتب أعلى التي تخلق آباراً عميقة ومستقرة في مشهد الطاقة للنظام. ورغم أن الورقة لا تدعي أنها حلت مشكلة سعة الذاكرة اللانهائية أو أنها صنعت جهازاً يعمل بالفعل، إلا أنها توفر الأساس النظري الضروري وتحدد الشروط الفيزيائية المحددة التي سيعمل في ظلها مثل هذا النظام. وتوفر النتائج مساراً واضحاً للباحثين الذين يهدفون إلى ترجمة هذه الرؤى الرياضية إلى أجهزة فيزيائية، مما قد يؤدي إلى جيل جديد من أجهزة الحوسبة التي يمكنها تخزين واسترجاع كميات هائلة من المعلومات بنفس السهولة والموثوقية التي يتمتع بها الدماغ البشري.