← أحدث الأبحاث
⚡ electrical engineering

Energy-Aware Multi-Exit TinyML for Smart Zero-Energy Devices

تقدم هذه الورقة إطار عمل لتعلم الآلة المصغر (TinyML) متعدد المخارج ومراعٍ للطاقة للأجهزة ذات الطاقة الصفرية، يقوم بتوسيع الجهد الحسابي ديناميكيًا بناءً على صعوبة المدخلات وينظم تشغيل النظام عبر دوائر مساعدة، محققًا خفضًا بنسبة 29.6% في استهلاك الطاقة مع الحفاظ على دقة الكشف.

المؤلفون الأصليون: Shahab Jahanbazi, Mateen Ashraf, Lieven De Strycker, Jeroen Famaey, Onel L. A. Lopez

نُشر 2026-03-10
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

المؤلفون الأصليون: Shahab Jahanbazi, Mateen Ashraf, Lieven De Strycker, Jeroen Famaey, Onel L. A. Lopez

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 أن لديك روبوتاً صغيراً يعمل بالطاقة الشمسية يعيش في منزلك. مهمته هي النظر حوله وإخبارك ما إذا كان هناك شخص في الغرفة. ولكن هناك عقبة: هذا الروبوت ليس لديه بطارية. فهو يعمل بالكامل على ضوء الشمس (أو الضوء الداخلي) الذي يلتقطه في الوقت الفعلي. إذا خفت الإضاءة، فقد ينفد مخزونه من الطاقة ويتوقف عن العمل في منتصف التفكير.

تقدم هذه الورقة حلاً ذكياً لجعل هذا الروبوت أكثر ذكاءً وكفاءة، وأقل عرضة لـ "الإغماء" بسبب نقص الطاقة. ويطلقون عليه اسم Energy-Aware Multi-Exit TinyML (التعلم الآلي الصغير متعدد المخارج المدرك للطاقة).

إليك تفصيل لكيفية عمل ذلك، باستخدام تشبيهات بسيطة:

1. المشكلة: "العقل الذي يعمل بنظام الكل أو لا شيء"

عادةً، عندما ينظر الكمبيوتر إلى صورة، فإنه يشغل عملية العقل بأكملها لكل صورة، بغض النظر عما إذا كانت الصورة سهلة أم صعبة.

  • التشبيه: تخيل أنك حارس أمن. مرّ شخص يرتدي قميصاً أحمر زاهياً. من الواضح أنه إنسان. لكن قاعدتك هي: "يجب أن أركض ماراثوناً كاملاً بطول 10 أميال لفحص كل شخص، حتى أولئك الذين يرتدون قمصاناً حمراء".
  • النتيجة: أنت تهدر الكثير من الطاقة في المهام السهلة. إذا اختفت الشمس خلف سحابة بينما كنت تركض ذلك الماراثون، فقد تنهار قبل أن تنتهي.

2. الحل: "المخرج المتعدد" المختصر

بنى المؤلفون "عقلاً" خاصاً (نموذج TinyML) يحتوي على مخرجين.

  • التشبيه: فكر في هذا العقل كأنه نقطة تفتيش أمنية بها بوابتان.
    • البوابة 1 (المخرج السهل): إذا رأى الروبوت شيئاً واضحاً جداً (مثل شخص يرتدي قميصاً أحمر)، فإنه يتوقف عند تلك النقطة، ويقول "نعم، هذا شخص"، ثم يذهب للمنزل. هذا يوفر قدراً هائلاً من الطاقة.
    • البوابة 2 (الغوص العميق): إذا كانت الصورة ضبابية أو مربكة (مثل ظل قد يكون لشخص)، فإن الروبوت لا يتوقف. بل يمشي عبر البوابة الثانية الأكثر عمقاً ليفكر بجهد أكبر ويحصل على إجابة أفضل.
  • الفائدة: الروبوت لا يقوم بالعمل الشاق إلا عندما يضطر لذلك تماماً. بالنسبة للمهام السهلة، فإنه يسلك الطريق المختصر. وهذا يوفر الطاقة لـ "الأيام الممطرة" عندما تكون الإضاءة منخفضة.

3. شبكة الأمان: "مقياس الوقود"

بما أن الروبوت يعمل على حصاد الضوء، فإنه يحتاج لمعرفة مقدار "الوقود" (الطاقة) الموجود في خزان طاقته بالضبط قبل أن يبدأ مهمة ما.

  • التشبيه: تخيل أنك تقود سيارة ليس بها خزان وقود، بل مجرد كوب صغير من الوقود تملؤه من برميل المطر. قبل أن تبدأ القيادة، تفحص الكوب.
    • الطريقة القديمة: أنت فقط تخمن. إذا أخطأت في التخمين، ستنفد منك الطاقة في منتصف الطريق ويتوقف المحرك.
    • طريقة هذه الورقة: لدى الروبوت مقياس وقود دقيق للغاية. قبل أن يبدأ في النظر إلى صورة، يتحقق من: "هل لدي طاقة كافية لإنهاء المهمة بأكملها؟"
    • "التحقق المزدوج": إذا اتخذ الروبوت "المخرج السهل" ولكنه لم يكن متأكداً بنسبة 100%، فإنه يتوقف ويتحقق من مقياس الوقود مرة أخرى قبل أن يقرر الذهاب إلى مخرج "الغوص العميق". هذا يضمن أنه لا يبدأ أبداً مهمة طويلة لا يستطيع إكمالها.

4. خدعة الأجهزة: "مفتاح الضوء الذكي"

احتاج الروبوت أيضاً إلى التوقف عن إهدار الطاقة على أجزاء من نفسه لا يستخدمها.

  • التشبيه: تخيل أن لديك كاميرا تعمل دائماً، حتى وهي نائمة. هذا يشبه ترك أضواء منزلك تعمل على مدار الساعة طوال أيام الأسبوع.
  • الحل: بنى الفريق مفتاحاً إلكترونياً خاصاً (باستخدام MOSFET) يعمل كمفتاح ضوء رئيسي. عندما لا يكون الروبوت بصدد التقاط صورة، فإنه يقطع الطاقة تماماً عن الكاميرا. الأمر يشبه إيقاف تشغيل قاطع التيار الكهربائي. هذا يوفر الكثير من الطاقة لدرجة أن الروبوت يمكنه العمل لفترة أطول بنفس كمية ضوء الشمس.

5. النتائج: فعل المزيد بموارد أقل

عندما اختبروا هذا النظام:

  • توفير الطاقة: استخدم طاقة أقل بنسبة 30% تقريباً مقارنة بالطرق السابقة.
  • مهام أكثر: لأن الروبوت وفر الطاقة، استطاع التقاط وتحليل صور أكثر قبل نفاد طاقته.
  • الدقة: لم يضحِّ بالدقة. لقد كان بنفس جودة رصد الأشخاص، لكنه كان أكثر ذكاءً في كيفية القيام بذلك.

الملخص

باختصار، تعلمت هذه الورقة روبوتاً صغيراً يعمل بالطاقة الشمسية كيف يكون مديراً ذكياً للطاقة. بدلاً من ركض ماراثون لكل مهمة، يتعلم أخذ طريق مختصر عندما تكون المهمة سهلة، ويتحقق من خزان وقوده قبل البدء، ويطفئ أضواءه عندما يكون نائماً. هذا يسمح له بالبقاء حياً ومفيداً حتى عندما لا تشرق الشمس بقوة.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →