Online gas classification at the edge
مستوحاةً من النظام الشمي لدى الحشرات، تقدم هذه الورقة شبكة عصبية عصبية الشكل خفيفة الوزن تقوم بتصنيف الغازات عبر الإنترنت باستخدام تمثيلات ثنائية متفرقة وتعلم محلي، محققةً دقة عالية واستهلاكًا فائق الانخفاض للطاقة على الرقاقة مع التمييز بفعالية بين الغازات المألوفة والمحفزات الجديدة في البيئات الديناميكية.
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. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل عالماً يكون فيه الهواء نفسه نهراً متحركاً غير مرئي، يحمل روائح تتغير أشكالها وقوتها مع كل هبة ريح. لكي يفهم جهاز ما هذا النهر، لا يمكنه ببساطة انتظار عينة ثابتة ونقية؛ بل يجب أن يتعلم كيفية التعرف على الرائحة بينما لا تزال دوارة، غير مكتملة، ومختلطة بالهواء الذي سبقها. هذا هو الواقع اليومي للمستشعرات التي تحاول اكتشاف الغازات الخطرة في العالم المفتوح، من روبوت يتنقل في أرضية مصنع إلى جهاز يراقب سلامة عامل. التحدي لا يكمثل فقط في استشعار مادة كيميائية، بل في تحديد ماهيتها بسرعة ودقة رغم فوضى البيئة وحقيقة أن المستشعرات نفسها تتغير حساسيتها بمرور الوقت. لقد حلت الطبيعة هذه المشكلة بالفعل؛ فالحشرات، بأدمغة بحجم حبة الرمل واحتياجات طاقة تُقاس بأجزاء من الملي واط، تتنقل في مشهديات الروائح المعقدة بسرعة ودقة مذهلتين. هي لا تنتظر عينة مثالية ومستقرة، بل تتخذ قراراتها بناءً على اللحظات العابرة والزائلة عندما تصطدم الرائحة بمستقبلاتها لأول مرة.
لقد بنى الباحثون الآن نظاماً رقمياً يحاكي هذه الكفاءة البيولوجية لتصنيف الغازات في الوقت الفعلي. وبدلاً من الاعتماد على حواسيب ثقيلة وشرهة للطاقة تنتظر استقرار المستشعر قبل تقديم تخمين، أنشأ الفريق شبكة تتعلم مباشرة من تدفق البيانات الخام الفوضوي فور وصوله. اختبروا هذا النظام على لوحة مجهزة بمستشعرات أكاسيد معدنية، وعرضوها لتسلسل عشوائي من الغازات مثل الإيثيلين والميثان وأول أكسيد الكربون، سواء كانت منفردة أو مختلطة معاً. والأهم من ذلك، أنهم لم يتركوا المستشعرات تستقر في حالة ثابتة، بل أدخلوا غازات جديدة بينما كانت المستشعرات لا تزال تتفاعل مع الغازات السابقة، مما أجبر النظام على تحديد نوع الغاز بناءً على الاستجابة المتغيرة والعابرة بدلاً من القراءة النهائية المستقرة. يحاكي هذا الإعداد الظروف المضطربة وغير المتوقعة في العالم الحقيقي، حيث نادراً ما تكون سحابة الغاز منتظمة أو ساكنة.
يكمن جوهر حلهم في عملية مكونة من خطوتين مستوحاة من دماغ الحشرة. أولاً، يأخذ النظام قراءات المستشعر الخام ويوسعها إلى فضاء شاسع عالي الأبعاد باستخدام نمط عشوائي ثابت. تشبه هذه الخطوة أخذ رسم تخطيطي بسيط وإسقاطه على شبكة معقدة متعددة الطبقات حيث يتم نشر كل تفصيل فيها. بعد ذلك، يطبق النظام قاعدة "الفائز يستحوذ على الكل"، حيث يحتفظ فقط بالإشارات الأقوى من هذه الشبكة الموسعة ويتخلص من الباقي. يؤدي هذا إلى إنشاء رمز ثنائي متناثر (sparse)—وهو عبارة عن قائمة بسيطة من مفاتحات التشغيل والإيقاف—تمثل الغاز. تسمح هذه الطريقة للنظام بفصل الغازات المختلفة بفعالية، حتى عندما تكون مختلطة، عن طريق تحويل مشكلة غير خطية صعبة إلى مشكلة أبسط يمكن لمصنف خطي أساسي حلها. يتعلم النظام باستخدام قاعدة تشبه كيفية تقوية الخلايا العصبية البيولوجية للروابط عندما تعمل معاً، مما يسمح له بالتكيف بسرعة وبأقل قدر من البيانات.
أظهرت النت النتائج أن هذا النهج خفيف الوزن فعال للغاية. فعند اختباره على مخاليط من الغازات، تفوق النظام على المصنف الخطي القياسي وطابق أداء نموذج أكثر تعقيداً وغير خطي يتطلب قوة حوسبة أكبر بكثير. لقد تعلم النظام التعرف على فئات الغازات من ثلاثة أمثلة فقط لكل نوع، مما أظهر قدرة على إعادة المعايرة ذاتياً أثناء العمل بأقل قدر من البيانات. وهذه قدرة حيوية للأجهزة التي يجب أن تعمل لفترات طويلة دون تدخل بشري، لأنها تعني قدرتها على تصحيح انحرافها الذاتي أو تعلم تهديدات جديدة دون الحاجة لإرسالها إلى المختبر لإعادة التدريب. علاوة على ذلك، احتفظ النظام بسجل مستمر لعدد المرات التي رصد فيها كل غاز، مما سمح له بالتمييز بين الروائح المألوفة والمثيرات الجديدة وغير المعروفة—وهي ميزة قد تساعد الروبوت في اتخاذ قرار بشأن ما إذا كان سيتحقق من رائحة جديدة أو يتجاهل رائحة شائعة.
ولإثبات إمكانية عمل ذلك في جهاز حقيقي ومنخفض الطاقة، قام الفريق بتشغيل النظام بأكمله على شريحة عصبية متخصصة تسمى TEXEL. صُممت هذه الشريحة لتعمل مثل الدماغ البيولوجي، باستخدام دوائر تناظرية تستهلك طاقة ضئيلة جداً. أكدت التجربة أن النظام يمكنه اكتشاف الغازات الخطرة بدقة بلغت 74.6% بينما استخدم 482 نانو جول فقط لكل قرار، واستهلك طاقة استاتيكية قدرها 27 ميكرو واط فقط. هذا المستوى من الكفاءة أقل بعدة مراتب من المستوى المطلوب من المعالجات التقليدية التي تقوم بمهام مماثلة. ومن خلال الجمع بين بنية مستوحاة بيولوجياً وأجهزة فائقة انخفاض استهلاك الطاقة، أثبت الباحثون مساراً نحو مستشعرات غاز ليست ذكية وسريعة فحسب، بل أيضاً صغيرة وفعالة في استهلاك الطاقة بما يكفي لنشرها في أي مكان، من داخل السيارة إلى محطة مراقبة بيئية بعيدة، دون الحاجة إلى بطاريات كبيرة أو صيانة مستمرة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.