On-chip probabilistic inference for charged-particle tracking at the sensor edge

في قلب الفيزياء الحديثة، تقوم آلات ضخمة تُسمى مصادمات الجسيمات بتحطيم الذرات مع بعضها البعض بسرعة تقترب من سرعة الضوء للكشف عن اللبنات الأساسية للكون. تحدث هذه الاصطدامات بشراسة وتكرار كبيرين لدرجة أن الكواشف المحيطة بها تغرق في البيانات، حيث تلتقط مليارات التفاعلات في كل ثانية. ولتفسير هذا الطوفان، يعتمد العلماء على طبقات من مستشعرات السيليكون، التي تشبه الرقائق الموجودة في الكاميرات ولكنها أكثر حساسية بكثير، والتي تسجل مسارات الجسيمات المشحونة أثناء تحليقها عبر الآلة. ومع ذلك، فإن حجم المعلومات الهائل الذي تولده هذه المستشعرات يجعل من المستحيل تخزينها أو إرسالها إلى حاسوب للتحليل؛ فتدفق البيانات ببساطة أوسع من الأنابيب المتاحة. ونتيجة لذلك، يجب على الآلات اتخاذ قرارات في أجزاء من الثانية بشأن الأحداث التي تستحق الاحتفاظ بها وتلك التي يجب التخلص منها، وهي عملية تعتمد حاليًا على قواعد مبسطة وغالبًا ما تتخلص من المعلومات الأكثر تفصيلًا وقيمة لمجرد توفير المساحة.

لقد أثبت فريق من الباحثين الآن طريقة لحل هذه العقبة من خلال تعليم المستشعرات نفسها كيف "تفكر". فبدلاً من إرسال البيانات الخام إلى حاسوب بعيد لتحليلها لاحقًا، قاموا بدمج عقل حاسوبي صغير ومتخصص مباشرة على رقاقة المستشعر. يستخدم هذا النظام الجديد نوعًا من الذكاء الاصطناعي يُعرف بالشبكة العصبية للنظر في نمط الشحنة الكهربائية التي يتركها جسيم عابر، وحساب موقعه واتجاهه فورًا. ومن خلال إجراء هذه العمليات الحسابية في نفس مكان إنشاء البيانات، يمكن للنظام ضغط كمية هائلة من المعلومات الخام إلى مجرد بضعة أرقام أساسية. وهذا يسمح للكاشف بالاحتفاظ بأكثر التفاصيل أهمية من الناحية العلمية مع التخلص من الباقي، مما يمنح الآلة فعليًا زوجًا من العيون الذكية التي يمكنها رؤية الفيزياء مباشرة عند المصدر.

ركز الباحثون على تحدٍ محدد: تحديد المسار الدقيق لجسيم مشحون أثناء عبوره طبقة واحدة من السيليكون. عندما يصطدم جسيم بالمستشعر، فإنه يترك خلفه أثرًا من الشحنة الكهربائية عبر شبكة من المربعات الصغيرة التي تسمى "بكسلات". تقليديًا، كان العلماء يرسلون جميع البيانات من هذه البكسلات إلى حاسوب مركزي، والذي يستخدم بعد ذلك قواعد معقدة لمعرفة أين كان الجسيم وإلى أين كان يتجه. ولكن مع الجيل القادم من مصادمات الجسيمات، سيكون حجم البيانات ضخمًا جدًا لدرجة أن هذه الطريقة التقليدية ستفشل. ويستبدل النهج الجديد تلك القواعد الجامدة بـ "حدس مُكتسب"؛ حيث درب الفريق شبكة عصبية على ملايين الاصطدامات الافتراضية للجسيمات، لتعليمها التعرف على الأشكال والأنماط الدقيقة للشحنة التي تتوافق مع زوايا ومواقع محددة.

ولجعل هذا العمل ممكنًا على رقاقة صغيرة، كان على الباحثين التغلب على عقبات كبيرة. كان لزامًا على الشبكة العصبية أن تكون صغيرة بما يكفي لتناسب مستشعر السيليكون، وسريعة بما يكفي لاتخاذ قرار في لمح البصر، وفعالة بما يكفي للعمل باستهلاك ضئيل جدًا للطاقة. وقد اختبروا أشكالًا مختلفة من هذه "الأدمغة الرقمية"، بما في ذلك نماذج تنظر إلى نمط الشحنة كصورة كاملة وأخرى تقسم النمط إلى خطوط أبسط. كما كان عليهم تقرير كيفية ترجمة الإشارات الكهربائية التناظرية من المستشعر إلى أرقام رقمية. وبدلاً من استخدام طريقة ثابتة، تركوا الشبكة العصبية تتعلم أفضل طريقة لتحويل الإشارات، حيث اكتشفوا أن تنسيقًا رقميًا بسيطًا ومنخفض الدقة كان كافيًا للحفاظ على المعلومات الفيزيائية الضرورية. وقد ثبت أن هذا التعلم المشترك لكيفية قراءة الإشارة وكيفية تفسيرها كان خطوة حاسمة في جعل النظام قابلًا للتطبيق.

أظهرت النتائج أن هذا الذكاء الموجود على الرقاقة يمكنه التنبؤ بمسار الجسيم بدقة مذهلة. ففي عمليات المحاكاة، قدر النظام موقع اصطدام الجسيم ضمن بضعة ميكرومترات وحدد زاوية اقترابه بدقة عالية. والمثير للدهشة أن الشبكة العصبية كان أداؤها يضاهي، وفي بعض الحالات يتفوق على، الطرق المتطورة المستخدمة حاليًا "خارج الخط" (offline) من قبل علماء الفيزياء، والتي تعتمد على دمج البيانات من طبقات متعددة ومختلفة من الكاشف. لقد حقق النظام الموجود على الرقاقة ذلك باستخدام طبقة واحدة فقط من البيانات، مما أثبت أن الأنماط المحلية للشحنة تحتوي على معلومات كافية لإعادة بناء رحلة الجسيم دون الحاجة إلى انتظار البيانات من أجزاء أخرى من الآلة. كما قدم النظام مقياسًا للثقة لكل تنبؤ، مما يخبر العلماء بمدى تأكدهم من حساباتهم، وهو أمر حيوي لاتخاذ قرارات موثوقة في الوقت الفعلي.

وعندما ترجم الباحثون هذه النماذج الرقمية إلى تصميمات عتادية لرقاقة حاسوب قياسية، كانت النتائج واعدة بنفس القدر. فقد كان التصميم النهائي مدمجًا بما يكفي ليتناسب مع المستشعر، ويستهلك طاقة قليلة جدًا، ويمكنه معالجة حدث جسيمي جديد كل 25 نانو ثانية. وتتوافق هذه السرعة مع إيقاع اصطدامات الجسيمات في مصادم الهادرون الكبير (LHC)، مما يعني أن النظام يمكنه مواكبة وتيرة الآلة دون تأخر. كما استوفى التصميم متطلبات التوقيت الصارمة، تاركًا مساحة كافية للأسلاك والوصلات الفيزيائية اللازمة لبناء الرقاقة الفعلية. ويشير هذا الانتقال الناجح من محاكاة الحاسوب إلى مخطط عتادي إلى إمكانية بناء ونشر مثل هذه المستشعرات الذكية في المستقبل القريب.

يمثل هذا العمل تحولًا كبيرًا في كيفية تصميم الأدوات العلمية. فلعقود من الزمن، كانت الاستراتيجية هي جمع أكبر قدر ممكن من البيانات وتصفيتها لاحقًا. لكن هذا النهج الجديد يقلب ذلك المنطق، حيث يقوم بعملية التصفية والتحليل في اللحظة ذاتها التي تُنشأ فيها البيانات. ومن خلال دمج الاستدلال الاحتمالي مباشرة في المستشعر، أظهر الباحثون أنه من الممكن استخراج رؤى فيزيائية عميقة تحت قيود شديدة من المساحة والوقت والطاقة. وبينما تعتمد النتائج الحالية على المحاكاة والتصميمات العتادية، فإن الطريق أمامنا واضح؛ إذ ستشمل الخطوات التالية بناء نماذج أولية فيزيائية لاختبار مدى صمود هذه المستشعرات الذكية تحت ظروف الإشعاع الشديدة والظروف القاسية لمصادم جسيمات حقيقي. وإذا نجحت، فإن هذه التكنولوجيا يمكن أن تغير ليس فقط الفيزياء عالية الطاقة، بل أي مجال تعمل فيه المستشعرات في بيئات تكون فيها البيانات وفيرة للغاية بحيث يصعب تخزينها، مما يحول المستشعرات نفسها إلى الخط الأول للاكتشاف الذكي.