← أحدث الأبحاث
🔬 optics

Photonic Synapses with Hybrid Plasticity for Hardware-Level Neural Reuse

تقدم هذه الورقة مشابك ضوئية متكاملة تستخدم تيتانات زركونات الرصاص (PZT) ذات الغشاء الرقيق لتحقيق لدونة هجينة، مما يتيح إعادة استخدام عصبي على مستوى الأجهزة يؤدي بشكل كبير إلى تسريع التقارب وتقليل تحديثات الأوزان مقارنة بالبدء العشوائي.

المؤلفون الأصليون: Chenlei Li, Tao Shu, Cunyu Shi, Wei Wang, Shengjie Tang, Yueyang Zhang, Wei Chen, Jungan Wang, Bin Li, Yu Han, Gong Zhang, Huan Li Yaocheng Shi, Jianwei Wang, Feng Qiu, Daoxin Dai

نُشر 2026-05-26
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

المؤلفون الأصليون: Chenlei Li, Tao Shu, Cunyu Shi, Wei Wang, Shengjie Tang, Yueyang Zhang, Wei Chen, Jungan Wang, Bin Li, Yu Han, Gong Zhang, Huan Li Yaocheng Shi, Jianwei Wang, Feng Qiu, Daoxin Dai

البحث الأصلي مُهدى إلى الملك العام بموجب CC0 1.0 (http://creativecommons.org/publicdomain/zero/1.0/). 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 دماغك كمكتبة فائقة الكفاءة. عندما تتعلم مهارة جديدة، مثل ركوب الدراجة، لا يرمي دماغك الكتب القديمة عن المشي أو الجري. بدلًا من ذلك، يحتفظ بتعليمات "المشي" تلك على الرف ويضيف فقط بعض الملاحظات اللاصقة أو التظليل لتكييفها مع مهمة "الدراجة" الجديدة. هذه القدرة على الاحتفاظ بالمعرفة القديمة مع التكيف بسرعة مع المهام الجديدة تسمى إعادة الاستخدام العصبي (Neural Reuse).

لفترة طويلة، كانت شرائح الكمبيوتر (خاصة تلك التي تستخدم الضوء، والتي تسمى الشرائح الفوتونية) تشبه مكتبة سريعة جدًا ولكنها جامدة للغاية. يمكنها قراءة الكتب بسرعة هائلة، ولكن إذا أردت تغيير المحتوى، فغالبًا ما يتعين عليك مسح الصفحة بأكملة وإعادة كتابتها من الصفر. هذا الأمر بطيء، ويستهلك الكثير من الطاقة، ويمنع الشريحة من "تعلم" مهام جديدة بكفاءة.

تقدم هذه الورقة البحثية نوعًا جديدًا من "بطاقات المكتبة الذكية" يسمى المشبك الفوتوني (Photonic Synapse)، والذي يجلب أخيرًا مرونة الدماغ إلى الحواسيب المعتمدة على الضوء. إليك كيف يعمل، باستخدام تشبيهات بسيطة:

١. المادة السحرية: PZT

بنى الباحثون هذا المشبك باستخدام مادة خاصة تسمى PZT (تيتانات زركونات الرصاص). فكر في PZT كـ "مفتاح ثنائي الوظائف" يمكنه العمل كشيئين مختلفين اعتمادًا على قوة الضغط عليه:

  • "الدفعة الناعمة" (الذاكرة قصيرة المدى): إذا أعطيتها نقرة خفيفة وسريعة (إشارة جهد منخفض)، فإنها تعمل مثل مفتاح تعتيم قابل للعكس. فهي تغير الضوء فورًا وتعود إلى حالتها الطبيعية بمجرد أن تتركها. هذا يشبه التركيز قصير المدى في دماغك—سريع، مرن، ومؤقت.
  • "الدفعة القوية" (الذاكرة طويلة المدى): إذا أعطيتها دفعة قوية ومتعمدة (نبضة جهد عالي)، فإنها تعمل مثل ملاحظة لاصقة تلتصق بشكل دائم. فهي تغير الإعداد وتظل ثابتة هناك حتى بعد التوقف عن الضغط، دون الحاجة إلى أي طاقة للحفاظ عليها. هذا يشبه الذاكرة طويلة المدى في دماغك—مستقرة ودائمة.

٢. اللدونة الهجينة: أفضل ما في العالمين

عبقرية هذا الاختراع هي أنه يفعل الأمرين في نفس الوقت.

  • تخيل أن لديك صورة على هاتفك. الإعداد الدائم هو الصورة نفسها (الذاكرة طويلة المدى).
  • الإعداد المؤقت هو "فلتر" يمكنك تطبيقه على الصورة (الذاكرة قصيرة المدى).
  • مع هذه الشريحة الجديدة، يمكنك تطبيق فلتر "أبيض وأسود"، ثم التقاط صورة، ثم التبديل إلى فلتر "سيبيا"، ثم العودة إلى "الألوان"—كل ذلك دون حذف الصورة الأصلية أبدًا.

في مصطلحات الورقة البحثية، تسمى هذه اللدونة الهجينة (Hybrid Plasticity). تقوم الشريحة بتخزين "وزن أساسي" (الصورة) بشكل دائم، لكنها تسمت بالتحديثات السريعة والقابلة للعكس (الفلاتر) فوقه. وهذا يعني أن الكمبيوتر يمكنه تذكر ما تعلمه بالأمس مع التكيف فورًا مع مهمة جديدة اليوم.

٣. ما الذي فعلوه بالفعل

لم يكتفِ الباحثون ببناء واحدة من هذه الأجزاء، بل بنوا شبكة صغيرة منها واختبروها:

  • السرعة: أظهروا أن "الدفعة الناعمة" (التحديث المؤقت) تحدث في ٣٥ بيكوثانية. لكي نضع ذلك في الاعتبار، البيكوثانية بالنسبة للثانية تشبه الثانية بالنسبة لـ ٣١.٧ مليون سنة. إنها سريعة بشكل لا يصدق.
  • الدقة: أثبتوا قدرتهم على كتابة أنماط محددة من الضوء وقراءتها مرة أخرى بدقة عالية جدًا، مثل مترجم مثالي.
  • اختبار "تعلم النقل" (Transfer Learning): هذا هو الدليل الأكبر. لقد علموا الشريحة مهمة (مثل التعرف على القطط في الصور) وحفظوا تلك "المعرفة" في الذاكرة الدائمة. ثم طلبوا من الشريحة تعلم مهمة جديدة مشابهة (مثل التعرف على الكلاب).
    • النتيجة: لأن الشريحة لم تكن بحاجة للبدء من الصفر (لأنها أعادت استخدام معرفة "القطط")، فقد تعلمت مهمة "الكلاب" أسرع بـ ٢٠ مرة من الشريحة التي تبدأ من لوح فارغ.
    • التوفير: كما أنها احتاجت إلى إجراء تغييرات أقل بـ ٣٠ مرة في إعداداتها الداخلية لإنجاز المهمة. وهذا يعني أنها تستهلك طاقة أقل بكثير.

لماذا يهم هذا؟

تدعي الورقة البحثية أن هذه خطوة رئيسية نحو التعلم على الشريحة (On-chip learning). فبدلاً من مجرد استخدام الشرائح لتخمين الإجابات (الاستدلال)، يمكن لهذه الشرائح الآن أن تتعلم وتتكيف مباشرة على الجهاز، تمامًا مثل الدماغ البشري.

ويؤكد الباحثون أن هذا مبني على مادة (PZT) مستقرة، ولا تذوب بسهء تحت الحرارة، ويمكن تصنيعها في دفعات كبيرة (مثل شرائح الكمبيوتر القياسية). وهذا يمهد الطريق لأجهزة كمبيوتر مستقبلية ليست سريعة فحسب، بل قادرة أيضًا على الاحتفاظ بما تعلمته وتطبيقه على مواقف جديدة دون الحاجة إلى فاتورة طاقة ضخمة.

باختًا: لقد صنعوا جزءًا من كمبيوتر يعتمد على الضوء، يتذكر الماضي ولكنه يستطيع تغيير رأيه فورًا من أجل المستقبل، مما يجعل تعلم المهام الجديدة سريعًا للغاية وموفرًا للطاقة بشكل مذهل.

غارق في أبحاث مجالك؟

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

جرّب Digest →