ملخص تقني: شبكات الممرستور الشجيرية التكيفية الشبيهة بالدماغ

بيان المشكلة

تعتمد أنظمة الذكاء الاصطناعي الحالية على خوارزميات التعلم التي تكيف أوزان الاتصال ضمن بنيات هندسية صلبة. هذا النهج يفصل عملية التعلم عن التطور الفيزيائي للركيزة الحاسوبية، مما يمنع الخبرة من إعادة تشكيل البنية الحاسوبية بشكل مباشر. وبينما تم استخدام الأجهزة الممرستورية (memristive devices) كمسرعات عتادية للشبكات العصبية العميقة (على سبيل المثال، عبر الضرب المصفوفي داخل الذاكرة)، إلا أنها تعمل عادةً ضمن طوبولوجيا ثابتة ومصنعة مسبقاً. وحتى الشبكات الممرستورية ذاتية التنظيم المستخدمة عموماً في الحوسبة الخزانية الفيزيائية (physical reservoir computing)، تحافظ عموماً على اتصال ثابت، حيث يحدث التعلم خارجياً من خلال أوزان القراءة بدلاً من التكيف الفيزيائي لهيكل الشبكة نفسه. هناك نقص في البنيات العتادية التي تشفر الخبرة فيزيائياً من خلال التطور المشترك للمورفولوجيا (الشكل البنيوي) والاتصال الوظيفي داخل الركيزة الحاسوبية.

المنهجية

يقدم المؤلفون شبكة ذاتية التنظيم ومتكيفة مورفولوجياً تعتمد على شجيرات كهروكيميائية تتفاعل ديناميكياً. يستخدم النظام خلية كهروكيميائية تتكون من أقطاب ذهب (Au) تعمل كأطراف عصبية، وكهربل نترات الفضة (AgNO3) في ثنائي ميثيل سلفوكسيد (DMSO) متوافق حيوياً.

الآليات الجوهرية:

1. اللدونة الهيكلية (التخلق المورفولوجي): يحاكي النظام التخلق المورفولوجي للمشابك العصبية ونمو المحاور العصبية. تؤدي نبضات الجهد المتزامنة زمنياً (نبضات ثنائية القطب) المطبقة بين الأطراف إلى دفع تفاعلات نصف خلية تنافسية: الاختزال ($Ag^+ + e^- \rightarrow Ag$) عند القطب المنحاز سالباً، والأكسدة ($Ag \rightarrow Ag^+ + e^-$) عند القطب المنحاز موجباً. ينتج عن ذلك نمو صافٍ لفروع شجيرية معدنية يمكنها الربط هيكلياً بين الأطراف، مكونة وصلات كهربائية (مشابك عصبية). يمكن ضبط ديناميكيات النمو بين السلوكات متساوية المناحي (الشبيهة بالشجيرات) والاتجاهية (الشبيهة بالمحاور العصبية) عن طريق تعديل معايير التحفيز (سعة النبضة، الفاصل الزمني بين النبضات) وتركيز المحلول الكهربي.
2. اللدونة الوظيفية (ديناميكيات الممرستور): بمجرد تشكلها، تظهر الاتصالات الشجيرية سلوكاً ممرستورياً. فهي تُظهر تبديلاً مقاومياً ثنائي القطب (SET/RESET) نموذجياً لخلاções التمعدن الكهروكيميائي (ECM)، حيث تترقق أو تنقطع الخيوط الموصلة أو تتشكل/تتقوى بناءً على الجهد المطبق. يدعم النظام حالات ذاكرة متطايرة (قصيرة المدى) وغير متطايرة (طويلة المدى)، اعتماداً على تاريخ التحفيز وظروف التشغيل.
3. النمذجة: تم تطوير نموذج ستوكاستي (عشوائي) فيزيائي قائم على الفيزياء ثنائي الأبعاد لمحاكاة النظام. يدمج النموذج الجهد الكهربائي المحلي عند الواجهة المعدنية-المحلول مع انتقال انتشار الأيونات في المحلول الكهربي، مع مراعاة التأثيرات السعوية للطبقة المزدوجة الكهربائية. يستخدم النموذج مخطط تفاعل-انتشار مع تقسيم العمليات لالتقاط التفاعل بين النمو المحدود بالانتشار والنمو الموجه بالجهد.

الإعداد التجريبي:

• التصنيع: تم تصنيع خلايا ثنائية الأطراف على رقائق سيليكون (Si) مع أقطاب ذهب (Au)؛ واستخدمت الأنظمة متعددة الأطراف مصفوفات أقطاب دقيقة (MEAs) تجارية مع دبابيس ذهب منقوشة.
• التحفيز: تم إجراء التحفيز والاستحواذ المتزامن باستخدام لوحة قياس ArcTWO المزودة بـ 64 وحدة قياس مصدر-قياس (SMUs) متوازية.
• القراءة: تم الحصول على مصفوفات الموصلية عن طريق تطبيق جهود قراءة منخفضة السعة (50 مللي فولت) على أزواج الأطراف مع ترك الأطراف الأخرى عائمة.

المساهمات والنتائج الرئيسية

1. التطور المشترك للبنية والوظيفة

تُظهر الدراسة أن الاتصال الهيكلي (مخطط الأسلاك الفيزيائي) والاتصال الوظيفي (الأوزان المشبكية) يتطوران معاً استجابةً للتحفيز الخارجي. يقوم النظام بدمج أنماط المدخلات الزمانية-المكانية مباشرة في مورفولوجيا الشبكة الفيزيائية.

• النتيجة: تتطور الشبكات متعددة الأطراف هيكلياً لتشكيل اتصالات بين الأطراف ذات النشاط المتزامن زمانياً ومكانياً، مما يؤدي فعلياً إلى تقليل المسافة الطوبولوجية بين العقد التي يتم تنشيطها معاً.

2. تنفيذ نماذج التعلم الترابطي

ينفذ النظام مبادئ التعلم الترابطي البيولوجي مباشرة في المادة (in materia):

• الاشتراط الكلاسيكي (الباولوفي): تم تهيئة النظام لمحاكاة كلب بافلوف. مثل اتصال عالي الموصلية مبرمج مسبقاً المثير غير المشروط (الطعام) بالاستجابة (سيلان اللعاب). ومن خلال مزامنة تحفيز مثير محايد (الجرس) مع المثير غير المشروط، نمت الشبكة اتصالاً شجيرياً جديداً يربط بين طرفي "الجرس" و"سيلان اللعاب". بعد الاشتراط، أدى مثير "الجرس" وحده إلى إطلاق تيار الاستجابة، مما أثبت تشكل ارتباط شرطي.
• الاشتراط الإجرائي (سكينر): استنسخ النظام مهام نقر الحمام وعقاب الفئران الخاصة بسكينر.
  • نقر الحمام: أدت المدخلات المكافئة إلى زيادة الموصلية (معدل النقر). خلال مرحلة الانطفاء (عدم وجود مكافأة)، انخفضت الموصلية، لكن الطوبولوجيا الشجيرية الأساسية ظلت سليمة إلى حد كبير ("الادخار"). وأدت إعادة الاشتراط إلى استعادة وتقوية الموصلية بسرعة أكبر من الاشتراط الأولي.
  • عقاب الفئران: تم تقديم مثيرات عقابية (نبضات سالبة أقصر)، مما أدى في النهاية إلى كسر الاتصال الكهربائي. ومع ذلك، لم تُلاحظ تغيرات كبيرة في الطوبولوجيا الشجيرية، مما حافظ على المعلومات المتعلمة داخل البنية الشجيرية. وأدت إعادة الاشتراط مرة أخرى إلى استعادة وتقوية سريعة، مما أكد أن "الذاكرة" لم تُحذف بل حُفظت هيكلياً رغم الكسر الوظيفي في الاتصال.

3. حل مشكلات الأمثلة (اختيار المسار)

أظهر المؤلفون قدرة النظام على حل مشكلة تحسين تخطيط المسار ذات الصلة بالملاحة الروبوتية.

• المنهجية: تم رسم خريطة تضاريس بتكاليف عبور متفاوتة (مثل الرمل، الصخور) وتحويلها إلى بروتوكول تحفيز زماني-مكاني. مثلت الأقطاب مناطق التضاريس، وشفرت سعة الجهد صعوبة العبور.
• النتيجة: عملت عملية النمو الشجيري كعملية "تخفيف" (sparsifier) فيزيائية، حيث عززت المسارات الموصلة منخفضة التكلفة وقمعت المناطق عالية التكلفة. جسّد الشبكة الفرعية الموصلة الناتلة المسار الأمثل.
• الأداء: باستخدام خوارزمية ديكسترا (Dijkstra) على مصفوفة الموصلية المستخرجة، حقق النظام متوسط تداخل بنسبة 85% مع المسار الأمثل الحقيقي عبر 25 تشغيلاً مستقلاً.

الأهمية والادعاءات

يدعي البحث أنه يضع مساراً نحو الذكاء المتجسد على مستوى المادة. من خلال الربط بين معالجة المعلومات، والتعلم، وتشفير الذاكرة عبر المواد المتكيفة وديناميكيات الشبكة الفيزيائية، يوضح هذا العمل أن:

1. التعلم هو عملية فيزيائية: التعلم ليس مجرد تحسين للمعاملات في رسم بياني ثابت، بل هو التجسيد الفيزيائي للخبرة من خلال التطور المشترك للبنية والاتصال الوظيفي.
2. الحوسبة داخل المادة (In-Materia Computation): تنبثق الحوسبة جوهرياً من التنظيم الذاتي للمادة، حيث تشكل المعلومات بنشاط البنية الحاسوبية التي تتم معالجتها من خلالها.
3. الدقة البيولوجية: نجح النظام في إعادة إنتاج ظواهر التعلم البيولوجي المعقدة، بما في ذلك الاشتراط الكلاسيكي والإجرائي، والادخار، وإعادة الاشتراط السريع، باستخدام آليات كهروكيميائية تحاكي التخلق المورفولوجي والمشبسي واللدونة.
4. الأمثلة عبر المورفولوجيا: تسهل الطبيعة الهرمية والكسورية للهياكل الشجيرية التوازن بين فصل المعلومات وتكاملها، مما يسمح للنظام الفيزيائي بحل مشكلات الأمثلة التوليفية (مثل إيجاد المسارات) عن طريق تحويل قيود الرسم البياني إلى مسارات موصلة فيزيائية.

يضع المؤلفون هذا العمل كخروج عن العتاد المصنع من الأعلى إلى الأسفل، مقترحين نهجاً من الأسفل إلى الأعلى حيث تتكيف البنية الحاسوبية نفسها أثناء التعلم، مما يوفر مساراً محتملاً للعتاد التكيفي من الجيل التالي الذي يدمج المعالجة والذاكرة والتعلم ضمن نظام فيزيائي واحد.