🔬 applied physics

Stochastic Dynamics of Diffusive Memristor Blocks for Neuromorphic Computing

تتقصى هذه الورقة التقارب المشبكي لثلاثة عصبونات نبضية قائمة على الممرستورات الانتشارية من خلال النمذجة العددية والتجارب لتحديد توليفات الجهد للتنشيط المستهدف وتحليل إحصائيات النبض، مما يعزز تطوير كتل وظيفية عالمية للحوسبة العصبية.

المؤلفون الأصليون: Wendy Otieno, Alex Gabbitas, Debi Pattnaik, Pavel Borisov, Sergey Savel'ev, Alexander G. Balanov

نُشر 2026-02-04

📖 5 دقيقة قراءة🧠 قراءة متعمّقة

CC BY 4.0

المؤلفون الأصليون: Wendy Otieno, Alex Gabbitas, Debi Pattnaik, Pavel Borisov, Sergey Savel'ev, Alexander G. Balanov

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك تحاول بناء حاسوب متناهي الصغر يشبه الدماغ. بدلاً من استخدام رقائق السيليكون التي تفكر عبر مفاتيح "تشغيل" و"إيقاف" صارمة، قرر هذا الفريق من الباحثين بناء دائرة تعمل بشكل يشبه الدماغ الحي: فوضوية قليلاً، مليئة بالضجيج، ومليئة بالمفاجآت.

إليك قصة عملهم، مقسمة إلى مفاهيم بسيطة.

الشخصيات: ثلاث "عصبونات اصطناعية"

في الدماغ الحقيقي، تتواصل العصبونات (الخلايا العصبية) مع بعضها البعض. غالباً ما ترسل عدة عصبونات إشارات إلى عصبون واحد، والذي يقرر بعد ذلك ما إذا كان سيطلق إشارة خاصة به أم لا. وهذا ما يسمى التقارب التشابكي (synaptic convergence).

بنى الباحثون نسخة إلكترونية مصغرة من هذا باستخدام ثلاث "عصبونات اصطناعية".

الأدوات: استخدموا مكونات إلكترونية خاصة تسمى الممرستورات الانتشارية (diffusive memristors). فكر فيها كأنها مقاومات ذكية وصغيرة يمكنها تغيير مقاومتها (مدى صعوبة مرور الكهرباء) بناءً على مقدار الجهد الذي تضخه من خلالها.
السحر: على عكس قطع الكمبيوتر القياسية التي تظل ثابتة، فإن هذه الممرستورات "متطايرة". في داخلها، تطفو ذرات معدنية صغيرة (مثل الفضة) مثل السحابة. عندما تطبق تياراً كهربائياً، تنجذب هذه الذرات معاً لتشكل جسراً مؤقتاً (خيطاً أو فتيلة) يسمح بمرور التيار. وعندما تتوقف عن ضخ الكهرباء، يذوب هذا الجسر. وهذا يجعلها تعمل تماماً مثل المشابك العصبية البيولوجية، التي هي أيضاً مؤقتة ومتغيرة.
الإعداد: قاموا بتوصيل اثنين من هذه العصبونات (العصبون 1 والعصبون 2) بعصبون ثالث (العصبون 3). العصبون 1 و2 يستقبلان جهوداً كهربائية (لنسمها $V_1$ و $V_2$ ). أما العصبون 3 فيستمع إلى "دردشة" العصبونين الأولين ويقرر ما إذا كان سيطلق نبضة (دفقة كهربائية) أو يظل هادئاً.

التجربة: ضبط مستوى الصوت

تعامل الباحثون مع الجهود الكهربائية ( $V_1$ و $V_2$ ) كما لو كانت مقابض لضبط مستوى الصوت في جهاز ستيريو. قاموا برفع وخفض هذه المقابض، واختبروا آلاف التوليفات المختلفة ليروا ماذا سيحدث للعصبونات الثلاثة.

سألوا أنفسهم: إذا ضبطت مستوى الصوت في السماعتين اليسرى واليمنى عند هذه المستويات المحددة، أي العصبونات ستبدأ في "الغناء" (إطلاق النبضات)؟

الاكتشاف: خريطة السلوك

وجدوا أن سلوك النظام لم يكن فوضى عشوائية؛ بل كان في الواقع خريطة منظمة. اعتماداً على توليفة الجهود الكهربائية، يقع النظام في واحد من ثمانية "أنماط" متميزة:

الصمت: لا أحد يطلق نبضات.
عروض منفردة: العصبون 1 يطلق نبضة فقط، أو العصبون 2 فقط، أو العصبون 3 فقط.
ثنائيات: العصبون 1 و2 يطلقان نبضات معاً، أو 1 و3، أو 2 و3.
الثلاثي: العصبونات الثلاثة تطلق نبضات في وقت واحد.

عامل "الضجيج":
الأدمغة الحقيقية مليئة بالضجيج. هناك دائماً قدر من التشويش. وجد الباحثون أن عصبوناتهم الإلكترونية كانت صاخبة بطبيعتها أيضاً، وذلك بفضل الحركة العشوائية للذرات المعدنية داخل الممرستورات.

ضجيج منخفض: كان النظام "انتقائياً" للغاية. لم يكن يطلق نبضة إلا إذا كانت الجهود الكهربائية "مثالية" تماماً.
ضجيج مرتفع: أصبح النظام أكثر "كرماً". ساعدت التقلبات العشوائية العصبونات على الإطلاق حتى لو كان الجهد أقل قليلاً من المطلوب. الأمر يشبه كيف يمكن لبعض الضجيج في الخلفية في غرفة ما أن يساعدك في سماع الهمس بشكل أفضل من خلال تحفيز حساسية دماغك.

ماذا يمكن لهذا أن يفعل؟ ("رياضيات الدماغ")

أظهر الباحثون أن هذه الكتلة البسيطة المكونة من ثلاثة عصبونات يمكنها إجراء حسابات أساسية تشبه حسابات الدماغ دون الحاجة إلى معالج معقد.

1. المقارن (الـ "قاضي"):
تخيل أن لديك رقمين، $V_1$ و $V_2$ . تريد أن تعرف أيهما أكبر، أو ما إذا كان كلاهما صغيراً، أو كلاهما كبيراً.

إذا كان $V_1$ عالياً و $V_2$ منخفضاً، يتفاعل النظام بطريقة معينة.
إذا كان كلاهما عالياً، يتفاعل النظام بطريقة أخرى.
من خلال النظر في أي العصبونات تطلق نبضات، يمكنك "تصنيف" العلاقة بين المدخلين فوراً. إنه يشبه القاضي الذي يرفع علماً معيناً بناءً على ما إذا كانت الحجتان المقدمتان متساويتين، أو ما إذا كان أحدهما أقوى بكثير من الآخر.

2. بوابة المنطق (صانع القرار):
أظهروا أيضاً أن هذه الدائرة يمكن أن تعمل كبوابة منطقية أساسية للحاسوب (لبنات بناء كل البرمجيات).

بوابة "و" (AND Gate): إذا ضبطت القواعد بشكل صحيح، فإن العصبون الثالث سيطلق نبضة فقط إذا كان كلا المدخلين مرتفعين. (1 + 1 = 1).
بوابة "أو" (OR Gate): مع وجود القليل من "الضجيج" في النظام، سيطلق العصبون الثالث نبضة إذا كان أحد المدخلين مرتفعاً. (1 + 0 = 1).

الاختبار في العالم الحقيقي

لم يكتفِ الفريق بتشغيل هذا على جهاز كمبيوتر فحسب؛ بل بنوه باستخدام أجهزة حقيقية.

النتيجة: تصرف الجهاز المادي تماماً مثل محاكاة الكمبيوتر.
الواقع "الفوضوي": كانت الخريطة في العالم الحقيقي "أكثر ضبابية" من خريطة الكمبيوتر المثالية. حيث ستجد منطقة واسعة حيث يطلق العصبون 1 و3 نبضات، ولكن داخل هذه المنطقة، توجد "جزر" صغيرة حيث ينضم إليهما العصبون 2 بشكل عشوائي.
لماذا؟ أدرك الباحثون أن هذه الضبابية ناتجة عن حقيقة أن الخيوط المعدنية داخل الممرستورات تتغير باستمرار في شكلها وبنيتها. ومن خلال إضافة "عامل عشوائية" إلى نموذج الكمبيوتر الخاص بهم لمحاكاة هذا الشكل المتغير، تمكنوا من مطابقة النتائج الحقيقية الفوضوية تماماً.

الصورة الكبيرة

يدعي هذا البحث أنه باستخدام هذه الممرستورات الانتشارية "المزعجة"، يمكننا إنشاء لبنات بناء عالمية متناهية الصغر لحواسيب المستقبل. هذه اللبنات لا تقوم فقط بحساب الأرقام؛ بل تقارن الإشارات وتتخذ القرارات بطريقة تحاكي كيفية تعامل الأدمغة البيولوجية مع المعلومات.

الخلاصة الأساسية هي أن الضجيج ليس خطأً؛ بل هو ميزة. تماماً كما في الدماغ البيولوجي، تساعد التقلبات العشوائية في هذه العصبونات الإلكترونية على معالجة المعلومات، وإجراء المقارنات، وأداء المهام المنطقية التي قد تكون أصعب بكثير على شرائح الكمبيوتر الجامدة والمثالية.

ملخص تقني: الديناميكيات العشوائية لكتل الممرستورات الانتشارية للحوسبة العصبية

بيان المشكلة
يتطلب تطوير أجهزة الذكاء الاصطناዊ (AI) عالية كفاءة الطاقة الانتقال إلى ما وراء بنية "فون نيومان" نحو أنظمة تدمج بين الذاكرة والمعالجة. وبينما برزت الممرستورات الانتشارية (diffusive memristors) كمكونات واعدة للدوائر العصبية (neuromorphic circuits) نظرًا لقدرتها على محاكاة المشابك العصبية البيولوجية (مثل اللدونة المشبكية والتبديل المتطاير)، لا تزال هناك فجوة حرجة في فهم كيفية أداء كتل بسيطة من هذه الأجهزة لعمليات حسابية محددة. وتحديدًا، فإن الآليات التي تعمل بها عملية التقارب المشبكي (synaptic convergence) — وهي دمج المدخلات من عدة عصبونات على عصبون واحد لاحق — داخل بيئة مدفوعة بالضجيج وعشوائية، لم تُوصَف بشكل كامل بعد. يتناول هذا العمل الحاجة إلى تحديد ظروف مدخلات معينة تمكن من التنشيط المستهدف والمنطق الحسابي في دوائر عصبية مبسطة تتكون من ممرستورات انتشارية.

المنهجية
تستخدم الدراسة نهجًا يجمع بين التصنيع التجريبي، والنمذجة العددية، والتحليل الإحصائي لاستقصاء دائرة مكونة من ثلاثة عصبونات.

الإعداد التجريبي: قام الباحثون بتصنيع ثلاثة ممرستورات انتشارية متطابقة (Ag:SiO $_x$ ) باستخدام الترسيب بالرذاذ المغناطيسي (magnetron sputtering) والطباعة الضوئية بالأشعة فوق البنفسجية. تم تكوين هذه الأجهزة في دائرة حيث يتلقى عصبونان قبل-مشبكيان (RM $_1$ و RM $_2$ ) مدخلات جهد خارجية ( $V_1$ و $V_2$ )، وتتقاربان على عصبون لاحق (RM $_3$ ). تم توصيل كل ممرستور على التوالي مع مقاومة حمل وعلى التوازي مع مكثف لتعزيز سلوك مذذب "بيرسون-أنسن" (Pearson-Anson oscillator) (النبض/الارتفاع المفاجئ - spiking). خضع النظام لنبضات جهد طويلة (10 ثوانٍ تشغيل، 10 ثوانٍ إيقاف) مع مدخلات جهد تتراوح من 0 إلى 3.6 فولت. تم تصنيف سلوك النبض بناءً على تجاوز سعة تذبذب الجهد لعتبة 10% فوق مستوى ضجيج الخط الأساسي.
النمذجة العددية: استُخدم نموذج نقل الشحنة القائم على المعادلات التفاضلية العشوائية لمحاكاة الديناميكيات. يأخذ هذا النموذج في الاعتبار حركة عنقود معدني داخل جهد كهروكيميائي، مدفوعًا بالمجالات الكهربائية والتقلبات الحرارية العشوائية (التي تمت نمذجتها عبر ضجيج أبيض غاوسي). يتضمن النموذج معاملًا عشوائيًا $\beta$ لمحاكاة إعادة التشكيل العشوائي للعناقيد النانوية بالقرب من طرف الخيط (filament tip)، مما يعكس الطبيعة غير المستقرة لتكوين الخيط.
التحليل الإحصائي: لتكميم أنظمة النبض، قام المؤلفون بحساب معامل الاختلاف لفترات ما بين النبضات (CV $_1$ ) والتباين المحلي (CV $_2$ ). تمت مقارنة هذه المقاييس بين المحاكاة العددية والبيانات التجريبية لتقييم دقة النموذج في إعادة إنتاج الخصائص الإحصائية لأنماط النبض.

المساهمات والنتائج الرئيسية
تؤسس الورقة رابطًا مباشرًا بين تركيبات جهد المدخلات وأنماط نبض محددة في كتلة ممرستورية مكونة من ثلاثة عصبونات، مما يثبت إمكاناتها كوحدة وظيفية للحوسبة العصبية.

رسم خرائط أنظمة النبض: تحدد الدراسة مناطق متميزة على مستوي المعاملات ( $V_1$ , $V_2$ ) تقابل نتائج نبض مختلفة: عدم وجود نبض، نبض عصبون واحد (RM $_1$ ، RM $_2$ ، أو RM $_3$ )، نبض عصبون مزدوج، ونبض عصبون ثلاثي.
- عند الجهود المنخفضة، لا يحدث نبض.
- مع زيادة الجهود، تظهر أنظمة العصبون الواحد.
- ومن الملاحظ وجود نظام حيث ينبض العصبون اللاحق (RM $_3$ ) فقط، حتى عندما لا تنبض العصبونات قبل-المشبكية بشكل فردي. ويُعزى ذلك إلى أن المخرجات الصاخبة المشتركة للعصبونات قبل-المشبكية توفر مكونًا مستمرًا (DC) كافيًا لتحفيز RM $_3$ ، أو بسبب النبضات المستحثة بالضجيج التي تحدث عندما تتقلب المدخلات المشتركة فوق العتبة.
- تؤدي زيادة مستويات الضجيج إلى توسيع مناطق النبض متعدد العصبونات ويمكن أن تحفز النبض حتى عندما يكون أحد المدخلات صفرًا.
القدرات الحسابية: تسمح أنماط النبض المتميزة للدائرة بأداء عمليات حسابية أساسية تشبه وظائف الدماغ:
- التصنيف: يمكن للدائرة تصنيف أزواج المدخلات ( $V_1$ , $V_2$ ) إلى فئات مختلفة بناءً على نمط النبض الناتج.
- المقارنة: من خلال تثبيت مدخل واحد، تعمل الكتلة كمقارن، حيث تحدد ما إذا كان المدخل المتغير يتجاوز عتبات معينة.
- البوابات المنطقية: اعتمادًا على مستوى الضجيج ونطاقات جهد المدخلات، يمكن للدائرة تنفيذ عمليات المنطق البولياني (Boolean logic). على سبيل المثال، عند مستويات ضجيج منخفضة، تعمل الدائرة كبوابة "و" (AND gate) (تخرج نبضة في RM $_3$ فقط عندما يكون كلا المدخلين مرتفعين)، بينما عند مستويات ضجيج أعلى، تعمل كبوابة "أو" (OR gate) (تخرج نبضة إذا كان أي من المدخلين مرتفعًا).
التوافق بين النموذج والتجربة: طابقت المحاكاة العددية القياسات التجريبية بشكل وثيق فيما يتعلق بوجود أنماط النبض وخصائصها الإحصائية (CV $_1$ و CV $_2$ ). كان إدراج معامل $\beta$ العشوائي في النموذج أمرًا حاسمًا لإعادة إنتاج الهيكل "المضطرب" و"الجزر" الصغيرة من الأنماط البديلة الملاحظة في التجارب، والتي تنشأ من التطور غير المستقر للخيط الموصل. وُجد أن الخصائص الإحصائية للعصبونات الاصطناعية تقع ضمن النطاق النموذجي للعصبونات القشرية (CV $_1$ و CV $_2$ بين 0.2 و 1.5).

الأهمية والادعاءات
يزعم المؤلفون أن هذا العمل يساهم في تطوير كتل وظيفية عالمية للأنظمة العصبية. تكمن الأهمية الأساسية في إثبات أن دائرة ممرستورية انتشارية بسيطة وعشوائية يمكنها أداء مهام معقدة مثل مقارنة الإشارات، والتصنيف، والمنطق البولياني دون الحاجة إلى تحكم دقيق وغير عشوائي.

تفترض الورقة أن التقلب والعشوائية المتأصلة في الممرستورات الانتشارية، والتي غالبًا ما تُعت-بر تحديًا، يمكن تسخيرها لمحاكاة "التباين العصبي" (neural variability)—وهي ظاهرة في الأنظمة البيولوجية حيث تستجيب العصبونات بشكل مختلف للمثيرات المتطابقة. ويُقترح أن هذا التباين يمكن أن يعزز الحسابات الدماغية. وبناءً على ذلك، توفر الدراسة منصة لفهم آليات الحوسبة في الأنظمة العصبية الحية وتوفر مخططًا لتصميم بنيات عصبية واسعة النطاق تستخدم الديناميكيات الطبيعية للممرستورات الانتشارية لمعالجة المعلومات. يشير المؤلفون بتواضع إلى أن استقرار تطور الخيط يمكن أن يحسن قابلية التكرار لتطبيقات معينة، بينما يظل التقلب الطبيعي مسارًا واعدًا لمحاكاة التباين العصبي البيولوجي.