Physics-Based Compact Modeling and Design–Technology Co-Optimization of MoS2-Based Optoelectronic Synapses for Neuromorphic Vision
تقدم هذه الورقة نموذجاً مدمجاً قائماً على الفيزياء لسيناپسات (مشابك عصبية) إلكترونية ضوئية تعتمد على ثاني كبريتيد الموليبدينوم (MoS2)، يلتقط بدقة ديناميكيات المصائد للكشف عن السلوكيات الناشئة وتمكين التحسين المشترك للتصميم والتكنولوجيا، محققاً تخفيضات كبيرة في استهلاك الطاقة وتحسينات في الأداء المراعي للاحتفاظ بالبيانات في أنظمة الرؤية العصبية.
تخيل دماغك كمدينة صاخبة حيث الأفكار تشبه شاحنات التوصيل التي تتنقل بين الأحياء. في الكمبيوتر التقليدي، تكون "المستشعرات" (مثل الكاميرا) هي شاحنات التوصيل التي تلتقط الطرود (الصور)، ولكن يتعين عليها إيداعها في مستودع مركزي (المعالج) ليتم فرزها والتعرف عليها. هذه الرحلة ذهابًا وإيابًا تستغرق وقتًا وتستهلك الكثير من الوقود (الطاقة). يحاول العلماء الآن بناء "مستشعرات ذكية" يمكنها القيام بعملية الفرز في نفس مكان التقاط الصورة، محاكيةً بذلك طريقة عمل أدمغتنا. يُطلق على هذا المجال اسم الحوسبة العصبية (neuromorphic computing). ولتحقيق ذلك، يبحث الباحثون عن مفاتيح إلكترونية دقيقة تسمى "السينابس" (الوصلات العصبية) يمكنها تذكر أنماط الضوء، تمامًا كما تتذكر خلايا أدمغتنا التجارب. أحد المواد الواعدة لهذه المفاتيح هي ورقة رقيقة جدًا ثنائية الأبعاد تسمى ثاني كبريتيد الموليبدينوم (MoS2). فكر في (MoS2) كترامبولين مجهري؛ فعندما يصطدم الضوء به، فإنه يحبس شحنات كهربائية صغيرة في سطحه، مما يغير مدى سهولة تدفق الكهرباء من خلاله. هذا التغيير يعمل بمثابة ذاكرة. ومع ذلك، فإن معرفة كيفية عمل هذه المصائد الدقيقة وكيفية تصميمها بكفاءة كان يشبه محاولة تخمين قواعد لعبة بمجرد مراقبة اللاعبين، دون رؤية كتاب القواعد أبدًا.
تقدم هذه الورقة "كتاب قواعد" جديد لهذه السينابس الضوئية المكونة من (MoS2). فبدلاً من التخمين أو استخدام طرق التجربة والخطأ الفوضوية، قام المؤلف، محمد أروجو، ببناء نموذج دقيق قائم على الفيزياء يعمل كتوأم رقمي للجهاز الحقيقي. تخيل السينابس كمرآب متعدد الطوابق لشحن الكهرباء. عندما يصطدم الضوء بالجهاز، يكون الأمر أشبه بدخول السيارات (الشحنات) إليه. يعامل النموذج المرآب على أنه يحتوي على عدة مستويات (حالات مصيدة)، حيث تركن بعض السيارات في الأماكن العلوية سهلة الوصول (ذاكرة قصيرة المدى) بينما تركن أخرى في القبو العميق صعب الوصول (ذاكرة طويلة المدى). تُظهر الورقة أن نموذج "مرآب السيارات" هذا يمكنه التنبؤ بدقة بكيفية تصرف الجهاز عند تعرضه لأنماط مختلفة من نبضات الضوء، مطابِقًا البيانات الواقعية لنوعين مختلفين من الأجهزة بدقة مذهلة.
لقد توصلت الدراسة إلى اكتشافات مثيرة مع دحض بعض الافتراضات القديمة. أولاً، أثبتت أن "ذاكرة" هذه الأجهزة ليست مجرد ضباب بسيط؛ بل هي رقصة معقدة من الشحنات التي تملأ مستويات مختلفة من مرآب السيارات. كشف النموذج أن السرعة التي يبدو أن هذه الأجهزة "تنسى" بها ليست متعلقة بالمصائد نفسها فحسب، بل هي في الواقع محدودة بمدة استمرار نبضة الضوء. إذا سلطت الضوء لفترة طويلة جدًا، فلن تتمكن من رؤية الشحنات سريعة الحركة؛ إذ ستختفي، تمامًا مثل محاولة رصد طائر طنان باستخدام غالق كاميرا بطيء. ثانًا، وجدت الورقة حدًا قاطعًا لمدى "التسهيل" (الاستثارة من نبضة ضوئية ثانية) الذي يمكن أن تظهره هذه الأجهزة. إذا كان الجهاز يتصرف بشكل خطي، فإن الاستجابة لا يمكن أن تتجاوز الضعف (200%). وإذا رأى الباحثون أرقامًا أعلى من ذلك، فهذا يعني أن مضخم الجهاز الداخلي يعمل بجهد إضافي، وهو تفصيل كان مفقودًا في السابق.
الأهم من ذلك، يستخدم هذا النموذج للعثور على "مقبض سحري" للمهندسين: وهو سطوع الضوء المستخدم لبرمجة الذاكرة. من خلال خفض شدة الضوء، أظهر الفريق أنه يمكنهم تدريب دماغ رقمي (مصفوفة مكونة من 640 سينابس) للتعرف على الأرقام المكتوبة بخط اليد بنفس الكفاءة السابقة، ولكن باستخدام طاقة أقل بمقدار 6.7 مرة. الأمر يشبه إدراك أنه يمكنك قيادة السيارة بنفس السرعة عن طريق تغيير التروس مبكرًا بدلًا من الضغط بقوة على دواسة الوقود. كما سمح النموذج أيضًا بمحاكاة مدة بقاء الذاكرة قبل تلاشيها، موضحًا أنه مع القليل من "التنشيط" (ومضة ضوء سريعة)، يمكن للنظام الاستمرار في العمل لساعات مع استخدام طاقة ضئيلة جدًا — أقل من ميكروواط واحد. لا يصف هذا العمل الجهاز فحسب، بل يوفر خريطة واضحة قائمة على الفيزياء لتصميم الجيل القادم من مستشعرات الرؤية فائقة الكفاءة والمشابهة للدماغ، مما ينقلنا من مرحب التخمين إلى الهندسة الدقيقة.
ملخص تقني: النمذجة المدمجة القائمة على الفيزياء والتحسين المشترك للتصميم والتكنولوجيا (DTCO) للمشابك العصبية الضوئية الإلكترونية القائمة على MoS2
بيان المشكلة تعتمد أنظمة الرؤية العصبية الحالية القائمة على الحوسبة داخل المستشعر على مشابك عصبية ضوئية إلكترونية تعتمد على حبس الشحنات، لا سيما تلك التي تستخدم أشباه الموصلات ثنائية الأبعاد مثل أحادي الطبقة من MoS2. وبينما أظهرت الأجهزة التجريبية سلوكيات مشبكية مثل التيارات الاستثارية بعد السيال العصبي (EPSC)، والتسهيل المتزايد للنبضات المزدوجة (PPF)، والاحتفاظ طويل الأمد، إلا أن المجال يفتقر إلى إطار عمل تنبؤي قائم على الفيزياء. تعتمد المنهجيات الحالية بشكل كبير على ملاءمة الأس لثنائي الأسي (double-exponential fits) وجداول البحث (LUT) للمحاكاة. وتفشل هذه الأساليب في التقاط حركية المصائد (trap kinetics) الكامنة، ولا يمكنها التنبؤ بالاستجابات لبروتوكولات التحفيز المختلفة عن تلك التي تم قياسها، وهي عمياء بنيوياً عن التقلب (volatility) المتأصل في أجهزة حبس الشحنات. نتيجة لذلك، هناك فجوة في الربط بين معلمات المصيدة على مستوى الجهاز ومقاييس الأداء على مستوى النظام، مما يعيق التحسين المشترك للتصميم والتكنولوجيا (DTCO).
المنهجية يقترح المؤلفون نموذجاً مدمجاً قائماً على الفيزياء يربط بين سلم حركية مصائد متعدد المستويات وبين محول (transducer) ترانزستور تأثير مجال (FET) سلس.
حركية المصيدة (Trap Kinetics): يعامل النموذج الجهاز كترانزستور ضوئي من النوع n لـ MoS2 حيث يتم التقاط الثقوب المتولدة ضوئياً بواسطة K من مجموعات المصائد المستقلة عند الواجهة بين القناة والعازل. يتم التحكم في إشغال كل مجموعة مصائد بواسطة معادلات معدل خطية تتضمن مقاطع التقاط عرضية، وكثافات المصائد، وثوابت زمن التحرر. ومن الأهمية بمكان أنه بالنسبة لسلاسل النبضات الضوئية التعسفية ذات مقاطع الإشعاع الثابت، يشتق النموذج حلاً تحليلياً مغلقاً دقيقاً لانتشار إشغال المصائد، مما يتجنب التكامل العددي ويسمح بمحاكاة سريعة على مستوى المصفوفة.
المحول (Transducer): تعمل الشحنة المحبوسة على إزاحة جهد العتبة، والتي يتم ربطها بتيار التصريف باستخدام تعبير FET سلس وقطعة واحدة صالح من منطقة تحت العتبة إلى منطقة الانعكاس القوي. يلتقط هذا التعبير الأنظمة الأسية، والمربعة، والخطية بشكل مستمر.
المعايرة: تمت معايرة النموذج مقابل قياسات رقمية من جهازين نُشرا بشكل مستقل بتركيبات مادية مختلفة وبروتوكولات تحفيز مختلفة: ترانزستور MoS2/SiO2 أحادي الطبقة (الجهاز A) وهيكل هجين MoS2 محسس بـ CdSe (الجهاز B). تم اختيار عدد مستويات المصائد (K) لكل جهاز باستخدام معايير "أكايكي" و"بيزيان" للمعلومات.
المحاكاة على مستوى النظام: تم نشر النموذج المعاير في مصنف أحادي الطبقة ضوئي إلكتروني للتعرف على الأرقام المكتوبة بخط اليد. اتبعت عملية التدريب قاعدة "مانهاتن" باستخدام التقوية الضوئية فقط، مع تمثيل أزواج الأجهزة التفاضلية للأوزان المشبكية.
المساهمات الرئيسية
نموذج مغلق بدقة: نموذج مدمج يربط سلم مصائد متعدد المستويات بمحول FET سلس، مما يوفر حلاً تحليلياً دقيقاً لسلاسل النبضات الضوئية التعسفية دون الحاجة إلى تكامل عددي.
إطار عمل موحد: إثبات أن إطار عمل المصيدة الواحدة، حيث يتم اختيار عدد المصائد بواسطة معايير المعلومات، يمكنه إعادة إنتاج كل من PPF والاحتفاظ عبر عدة عقود من الزمن لجهازين مختلفين، مع استعادة ثوابت الاسترخاء المسجلة تجريبياً بشكل مستقل.
رؤى تحليلية:
الثوابت الزمنية الناشئة: يكشف النموذج أن ثوابت PPF الظاهرية المستخرجة عبر الملاءمة لثنائي الأسي هي كميات ناشئة محدودة بعرض النبضة الضوئية، وليست معلمات مصيدة أساسية. الديناميكيات الأسرع من عرض النبضة يتم دمجها (aliased) في السعات الملائمة.
حد PPF: تم اشتقاق حد PPF تحليلياً؛ فبالنسبة لمشبك تراكم شحنات خطي، لا يمكن أن يتجاوز مؤشر PPF نسبة 200%. القيم المقاسة التي تتجاوز هذا الحد (مثل 203.5%) تشفر بالضرورة فائقة الخطية في المحول (مثل التشبع في النظام المربع أو الأنظمة الأسية).
مقبض DTCO: تحديد الإشعاع البرمجي كمتغير للتحسين المشترك. يؤدي تقليل الإشعاع إلى إعادة تشكيل سلم الموصلة، مما يخفض طاقة التدريب دون التضحية بالدقة.
التحليل المراعي للاحتفاظ (Retention-Aware): على عكس مناهج LUT، يتتبع الإطار صراحةً إشغالات المصائد، مما يسمح بتحليل اضمحلال الوزن أثناء الاستنتاج، والنسيان أثناء التدريب البطيء، وجدولة التحديث الضوئي.
النتائج
دقة النموذج: بالنسبة للجهاز A، أعاد النموذج إنتاج منحنى PPF ضمن خطأ 1.0% والاحتفاظ عبر أربعة عقود بمتوسط خطأ مطلق قدره 0.003. نجح أيضاً في التقاط "أرضية" PPF (حوالي 135%) لا تستطيع الملاءمة لثنائي الأسي تمثيلها. بالنسبة للجهاز B، استطاع النموذج التقاط التسهيل الحاد في أقل من ثانية والاحتفاظ طويل الأمد (>1500 ثانية) باستخدام مستويين فقط من المصائد.
القدرة التنبؤية: اختبر النموذج خارج العينة رد الفعل تجاه بروتوكول تقوية ضوئية مكون من 50 نبضة باستخدام معلمات تم ضبطها فقط بناءً على PPF والاحتفاظ. كانت الديناميكيات الزمنية المتوقعة قوية، ووقع المنحنى المقاس ضمن النطاق الذي يغطيه شكل المحول الخاص بالنموذج.
المفاضلة بين الطاقة والدقة: في مصفوفة مشبكية مبرمجة ضوئياً، أدى تقليل إشعاع البرمجة من 10 mW/cm² إلى 1.5 mW/cm² إلى إعادة تشكيل خطوات سلم الموصلة. أدى ذلك إلى تقليل طاقة التدريب بمقدار 6.7 ضعف (من 7.7 mJ إلى 1.15 mJ) مع الحفاظ على الدقة أو تحسينها قليلاً (92.6% إلى 93.4% مقابل مرجع 97.4% ذو الفاصلة العائمة).
ديناميكيات الاحتفاظ: كمّم الإطار اضمحلال الوزن أثناء الاستنتاج، حيث ظلت الدقة فوق 94% لأكثر من 3-30 دقيقة وانخفضت إلى مستوى الصدفة بعد حوالي 8 ساعات. كما أظهر أيضاً أن استراتيجية التحديث الضوئي يمكن أن تحافظ على أرضية دقة 94% بقدرة انتظار أقل من الميكروواط (على سبيل المثال، 0.94 µW لفترات تحديث مدتها 300 ثانية).
الأهمية يزعم البحث أن استبدال الملاءمة التجريبية بنموذج حركية مصائد قابل للحل تحليلياً ومعاير يغير بشكل جذري الأسئلة التي يمكن طرحها حول المشابك العصبية الضوئية الإلكترونية. من خلال الربط الصريح بين فيزياء المصيدة ومقاييس النظام، يتيح الإطار:
DTCO تنبؤي: تحديد الإشعاع كمقبض تصميم لتحسين كفاءة الطاقة دون عقوبات في الدقة.
تصميم مراعي للاحتفاظ: قياس تأثير التقلب على التدريب (النسيان) والاستنتاج (اضمحلال الوزن)، وهو أمر لا يمكن الوصول إليه عبر مناهج LUT الساكنة.
جسر للحوسبة الخزانية (Reservoir Computing): توفير نواة ذاكرة متلاشية (fading-memory kernel) معايرة لتطبيقات الحوسبة الخزانية حيث يكون التقلب مورداً وليس عبئاً.
قابلية التكرار: وضع مسار من فيزياء المصيدة إلى أداء النظام يكون قابلاً للتكرار وقادراً على توجيه هندسة المصائد وتصميم الدوائر في المستقبل.
يشير المؤلفون إلى القيود، بما في ذلك النمذجة السلوكية للاكتئاب الكهربائي (بدلاً من نموذج تحرر فيزيائي من المصيدة) وعدم وجود اعتماد على درجة الحرارة في حركية التحرر الحالية، مما يقترح هذه المجالات كتوسعات مستقبلية.