Photonic neuromorphic processing with coupled spiking silicon microrings
تُثبت هذه الورقة أن عقدة فوتونية مدمجة وسلبية تعتمد على تقنية SCISSOR، والتي تستفيد من استقرار النبضات والحرارة المزدوج لزيادة الأداء في التصنيف على مجموعات البيانات المرجعية مع استهلاك منخفض للطاقة، تعمل كحجر بناء فعال لأنظمة الحوسبة الفوتونية العصبية القابلة للتوسع عند الحافة.
المؤلفون الأصليون:Giovanni Donati, Stefano Biasi, Lorenzo Pavesi, Antonio Hurtado
تخيل أن لديك مكتبة ضخمة من البيانات (مثل صور الزهور أو تسجيلات السونار للصخور مقابل الألغام) التي تحتاج إلى فرزها بسرعة. عادةً، تقوم الحواسيب بذلك عن طريق تحويل الضوء إلى كهرباء، ومعالجتها، ثم تحويلها مرة أخرى. هذه العملية بطيئة وتستهلك الكثير من الطاقة.
يقترح هذا البحث طريقة مختلفة: دع الضوء يقوم بعملية التفكير بنفسه.
لقد صنع الباحثون "عقلاً" ضئيلاً سلبياً مصنوعاً من السيليكون والضوء. وبدلاً من استخدام الكهرباء لتشغيل وإطفاء الترانزستورات، استخدموا ثلاث حلقات زجاجية صغيرة (حلقات ميكروية - microrings) تحجز الضوء بداخلها. عندما يدخل الضوء إلى هذه الحلقات، فإنه يرتد حولها، ويتفاعل مع نفسه، ويخلق أنماطاً معقدة. تعمل هذه الأنماط مثل "أفكار" العصبون.
المكون الأساسي: قلادة SCISSOR
الاختراع الرئيسي يسمى SCISSOR (سلسلة متتابعة من الرنانات المتباعدة والمدمجة والمتصلة جانبياً).
التشبيه: فكر في الحلقة الميكروية الواحدة كأنها جرس واحد. إذا قرعت هذا الجرس، فسيصدر صوتاً بسيطاً.
الابتكار: قام الباحثون بربط ثلاثة من هذه الأجراس معاً في سلسلة محددة. عندما تقرع جرساً واحداً، ينتقل الصوت للاهتزاز عبر الأجراس الأخرى، مما يخلق تناغماً معقداً وفوضوياً وجميلاً لا يمكن لجرس واحد أن يصدره بمفرده.
كيف يعمل: يقومون بتوجيه ليزر إلى هذه السلسلة. واعتماداً على مقدار الطاقة المستخدمة واللون الدقيق (الطول الموجي) لليزر، يتصرف الضوء داخل الحلقات بشكل مختلف. أحياناً يتدفق بسلاسة؛ وأحياناً "ينبض" (يومض بسرعة)؛ وأحياناً يعلق في حلقة مفرغة.
الطريقتان لـ "قراءة" العقل
اختبر الباحثون هذا العقل البصري في نمطين مختلفين، يشبهان الطريقة التي قد يقرأ بها الإنسان كتاباً:
النمط التناظري (التدفق المستمر):
تخيل قراءة كتاب حيث كل كلمة فيه لها درجة مختلفة من اللون الرمادي. يقرأ الكمبيوتر السطوع الدقيق للضوء الخارج من الحلقات. هذا النمط مفصل للغاية ويعمل جيداً للمهام البسيطة.
النتيجة: استخدموا هذا النمط لفرز مجموعة بيانات "زهرة السوسن" الشهيرة (تحديد أنواع الزهور) بدقة بلغت 100%.
النمط الرقمي/النبضي (شفرة مورس):
تخيل قراءة كتاب حيث لا يهتم المرء إلا إذا كانت الكلمة "عالية" أو "خافتة". إذا ومض الضوء فوق سطوع معين، يعتبره الكمبيوتر "1" (نبضة). وإذا كان خافتاً، يعتبره "0".
السحر: على الرغم من أن هذه الطريقة تتخلص من الكثير من التفاصيل (فهي "متفرقة" جداً)، إلا أنها تبين أنها فعالة للغاية. بالنسبة لمهمة الزهور، تمكنوا من تحديد الزهور باستخدام ومضة واحدة فقط من الضوء.
النتيجة: اختبروا هذا أيضاً على مهمة أصعب وهي مجموعة بيانات "السونار" (التمييز بين الصخور والألغام)، وحققوا دقة تزيد عن 97% باستخدام هذه الطريقة النبضية المتفرقة.
السر الخفي: "حافة الفوضى"
الاكتشاف الأكثر إثارة للاهتمام في البحث هو أين يعمل النظام بأفضل شكل.
التشبيه: فكر في لاعب السيرك الذي يمشي على حبل مشدود. إذا وقف في منتصف الحبل، فسيكون مستقراً ولكن مملاً. أما إذا وقف عند الحافة تماماً، فسيكون متذبذباً وفوضوياً.
النتيجة: وجد الباحثون أن العقل البصري يعمل بأفضل حالاته عندما يكون متوازناً تماماً على الحافة بين الاستقرار والفوضى.
إذا كان الضوء ضعيفاً جداً، فلن يحدث شيء (استقرار مفرط).
إذا كان الضوء قوياً جداً أو كانت الحلقات متصلة بقوة، فإن النظام سيصبح جامحاً ويفقد قدرته على فرز البيانات (فوضى مفرطة).
النقطة المثالية: عندما قاموا بضبط الليزر عند النقطة الدقيقة التي يوشك فيها النظام على التحول من سلوك إلى آخر (على سبيل المثال، من التدفق السلس إلى النبضات الومضية)، أصبح الكمبيوتر ذكياً للغاية. وهذا ما يسمى بـ "حافة الاقتران" (coupling-edge).
لماذا يهم هذا الأمر (وفقاً للبحث)
الكفاءة: لا تحتاج إلى كمبيوتر ضخم للقيام بذلك. شريحة صغيرة تحتوي على ثلاث حلقات فقط يمكنها القيام بعمل نظام أكبر بكثير لأن فيزياء الضوء هي من تقوم بالجهد الأكبر.
السرعة: بما أنه يستخدم الضوء، فإنه يتجنب عملية التحويل البطيئة بين الضوء والكهرباء.
البساية: النظام "سلبي"، مما يعني أنه لا يحتاج إلى توصيلات داخلية معقدة لتغيير سلوكه. أنت فقط تضبط الليزر (المدخلات)، وتقوم الحلقات طبيعياً بإعادة ترتيب "أفكارها" لحل المشكلة.
الملخص
يظهر البحث أنه من خلال ربط ثلاث حلقات سيليكون صغيرة معاً وتوجيه ليزر من خلالها، صنعوا حاسوباً مصغراً يمكنه فرز البيانات بدقة مذهلة. السر يكمن في ضبط الليزر عند "الحافة" الدقيقة حيث يتغير سلوك الضوء من السلس إلى النبضي. يتيح ذلك للنظام حل المشكلات المعقدة باستخدام طاقة قليلة جداً وعدد قليل جداً من "النبضات" الضوئية، مما يجعله لبنة واعدة لمستقبل حواسيب أسرع وأكثر كفاءة في استهلاك الطاقة.
ملخص تقني: المعالجة العصبية الفوتونية باستخدام حلقات ميكروية سيليكونية متصلة ذات نبضات
بيان المشكلة بينما يواجه مجتمع الحوسبة نهاية قانون مور، تبرز حاجة ماسة لتقنيات بديلة لمعالجة أحجام البيانات المتزايدة بكفاءة، لا سيما لسيناريوهات حوسبة الحافة التي تتطلب زمن استجابة منخفض وكفاءة عالية في استهلاك الطاقة. تقدم الفوتونيات العصبية حلاً واعداً عبر إجراء التحويلات غير الخطية والمعالجة الزمنية مباشرة في المجال البصري، مما يقلل من عمليات التحويل بين الضوئي والإلكتروني. وتعد الحوسبة الخزانية (Reservoir Computing - RC) مناسبة جداً لهذه المهام نظراً لاعتمادها على الديناميكيات الفيزيائية الطبيعية بدلاً من التدريب داخل الرقاقة للوصلات الداخلية، إلا أن التطبيقات الحالية تواجه تحديات في التوسع. فغالباً ما تفتقر عقد الرنانات الميكروية (MRR) الفردية إلى التعقيد الديناميكي المطلوب للمهام الصعبة، كما أن التوسع إلى مصفوفات كبيرة من الرنانات الميكروية المتصلة باستخدام نهج "الصندوق الأسود" يؤدي إلى نمو سريع في مساحات المعلمات التشغيلية ومشكلات التداخل الحراري. وهناك حاجة ملحة لفهم القدرات الحوسبية للهياكل المختزلة والمتصلة لتمكين التوسع الفعال لأنظمة الحوسبة العصبية الضوئية على الرقاقة.
المنهجية يستقصي هذا العمل تجريبياً نواة فوتونية غير خطية مدمجة تعتمد على تسلسل من الرنانات المتباعدة والمدمجة جانبياً (SCISSOR). يتكون الجهاز من ثلاثة رنانات ميكروية سيليكونية ذاتية النبض متطابقة اسمياً (نصف قطر 7 ميكرومتر) متصلة تساهمياً بين موجهي موجات ناقلين بفاصل متماثل قدره 180 نانومتر. تُحفز الديناميكيات غير الخطية بواسطة امتصاص الفوتونين (TPA)، الذي يستحث تشتت الناقل الحر (FCD) وتأثيرات الحرارة الضوئية (TOE)، مما يخلق أطر زمنية متميزة لعمر الناقل الحر (1-45 نانوسكانية) والاسترخاء الحراري (60-280 نانوسكانية).
تستخدم الدراسة بنية حوسبة خزانية (RC) متعددة الإرسال الزمني حيث:
ترميز المدخلات: يتم توسيع نقاط البيانات من مجموعتي بيانات (Iris) و(Sonar) خطياً خارجياً إلى طبقة قناع مكونة من 150 عقدة افتراضية. ويتم ترميز هذه البيانات كأطوال سعة لليزر موجة مستمرة (CW) قابل للضبط باستخدام مُعدل ماخ-زيندر (MZM).
المعالجة غير الخطية: يتم حقن الإشارة الضوئية المعدلة في جهاز الـ SCISSOR. وتقوم الديناميكيات الجوهرية للجهاز (الاستقرار الحراري، والنبض الذاتي، والنبضات) بإجراء التحويل غير الخطي. وتعمل فترة راحة (~2 ميكروثانية) على إعادة ضبط الذاكرة الداخلية بين المدخلات.
القراءة: يتم الكشف الضوئي لإشارة منفذ التنزيل وأخذ عينات منها. ويتم تقييم النظام في وضعين:
الحوسبة الخزانية التناظرية: تعمل قيم الجهد التناظري المأخوذة كحالات للخزان.
الحوسبة الخزانية الرقمية: يتم عتبة القيم التناظرية إلى قيم ثنائية (0 أو 1)، مع استغلال ديناميكيات النبض في الجهاز لإنشاء تمثيلات متفرقة.
التوصيف: يتم قياس التعقيد الديناميكي لـ SCISSOR باستخدام نظرية تاكنز (Takens' theorem) لإعادة بناء فضاءات الطور وحساب مقياس الكثافة (ρ). ويتم رسم هذا المقياس مقابل انزياح طول موجة الحقن (Δλ) والقدرة الضوئية لتحديد أطر التشغيل.
المساهمات الرئيسية
بنية الحلقات الميكروية المتصلة: يثبت البحث أن هيكل SCISSOR المصغر (ثلاث حلقات متصلة) يمكنه الوصول إلى أطر "حافة الفوضى" والديناميكيات غير الدورية المعقدة الناشئة عن تفاعلات امتصاص الفوتونين (TPA) متعددة الرنانات، متجاوزاً قدرات عقد الـ MRR الفردية.
مبدأ تشغيل حافة الاقتران: تتمثل المساهمة المركزية في تحديد نقاط تشغيل "حافة الاقتران". وهي الحدود بين أطر الاقتران الضعيف والقوي حيث تحدث انتقالات حادة في التعقيد الديناميكي (ρ) و/أو القدرة الضوئية الخارجة. وقد وجد المؤلفون أن هذه الحدود المحددة، وليس مناطق الفوضى القصوى، هي التي تدعم أعلى أداء حوسبي غالباً.
التمثيلات الرقمية المتفرقة: يوضح العمل أن ديناميكيات النبض في SCISSOR تولد طبيعياً حالات خزانية متفرقة في الحوسبة الخزانية الرقمية. وهذا يسمح بتصنيف فعال حتى مع أعداد نبضات منخفضة للغاية، مما يبسط عمليات المعالجة الإلكترونية اللاحقة.
استغلال الاستقرار الثنائي: تسلط الدراسة الضوء على أن كل من الاستقرار الحراري واستقرار النبض يساهمان في تعزيز الأداء الحسابي، لا سيما عند قدرات الحقن المنخفضة (< 4 مللي واط).
النتائج
مجموعة بيانات Iris: حقق نظام الحوسبة الخزانية القائم على SCISSER تصنيفاً خالياً من الأخطاء (دقة 100%) على مجموعة بيانات Iris باستخدام كلا المخططين التناظري والرقمي مع 150 عقدة افتراضية. ومن الجدير بالذكر أنه في المخطط الرقمي، سمحت تكوينات محددة بحل المهمة مع تنشيط عقدة زمنية واحدة (نبضة واحدة)، مما أظهر كفاءة قصوى.
مجموعة بيانات Sonar: بالنسبة لمهمة Sonar الأكثر صعوبة (التمييز بين الصخور والألغام)، حقق النظام دقة تجاوزت 97% (تحديداً 0.984±0.011 للحوسبة الخزانية التناظرية). لوحظ أعلى أداء في أطر "حافة الاقتران" حيث ينتقل النظام بين أعداد مختلفة من الحلقات ذات النبض الذاتي.
المتانة وقابلية التكرار: تم التحقق من هذه النتائج على جهاز SCISSOR ثانٍ بمعلمات تصنيع مختلفة قليلاً، مما أكد أن مبدأ تشغيل "حافة الاقتران" قابل للتكرار عبر الأجهزة.
الأداء مقابل التعقيد: وجدت الدراسة أن المناطق ذات التعقيد الديناميكي الأعلى (الفوضى الكاملة، ρ مرتفع) لم تؤدِ بالضرورة إلى أفضل دقة تصنيف. بدلاً من ذلك، وفرت مناطق التعقيد المتوسطة عند حواف الاقتران التوازن الأمثل بين الديناميكيات غير الخطية الغنية والمخرجات المهيكلة.
الأهمية والادعاءات يزعم المؤلفون أن الرنانات الميكروية الضوئية المتصلة، وتحديداً في تكوينات SCISSOR، تعمل كبنات بناء فعالة لأنظمة حوسبة الحافة والأنظمة الفوتونية العصبية المستقبلية. يشير العمل إلى أن فهم آليات الحوسبة الفيزيائية لكل عقدة شبكية على حدة أمر ضروري للتوسع. ومن خلال تحديد أطر "حافة الاقتران" كأطر تشغيل مثالية، يقترح البحث معياراً مدفوعاً بالفيزياء لاختيار ظروف التشغيل. يقلل هذا النهج بشكل كبير من الحاجة إلى عمليات البحث الشاملة عن المعلمات في التصميمات المستقبلية، ويقدم استراتيجية لتدريب والتحكم في الهياكل المتسعة على الرقاقة. إن القدرة على تحقيق أداء عالٍ بقدرات ضوئية منخفضة (< 8 مللي واط للأطر المتطلبة) ومع تمثيلات رقمية متفرقة تضع هذه التكنولوجيا كمسار قابل للتطبيق نحو استدلال فوتوني فعال وفي الوقت الفعلي.