A Unified Continuous Time Framework for Adaptive Smartphone Battery Drain Prediction with Finite Horizon Error Analysis

يعرف كل مالك لهاتف ذكي ذلك القلق الصامت الناجم عن نفاد البطارية. حيث تخفت الشاشة، وتتباطأ التطبيقات، ويبدأ الجهاز في إيقاف بعض الميزات للحفاظ على آخر قطرات الطاقة. هذه المعاناة ليست مجرد مسألة استنفاد برمجيات للطاقة؛ بل هي معركة فيزيائية معقدة بين متطلبات أجهزة الهاتف وبين الكيمياء المتغيرة داخل البطارية. فعندما يعمل المعالج بجهد أو تضيء الشاشة بسطوع عالٍ، فإنه يسحب تياراً من البطارية، مما يؤدي إلى انخفاض الجهد واستنزاف الطاقة المخزنة. وفي الوقت نفسه، تتغير البطارية نفسها بمرور الوقت، حيث تفقد قدرتها على الاحتفاظ بشحنة كاملة مع تقدم عمرها وتفاعلها بشكل مختلف مع تغيرات درجات الحرارة. إن التنبؤ بالوقت الذي سيتوقف فيه الهاتف عن العمل بدقة يتطلب فهم كيفية تفاعل هذه الطلبات الكهربائية سريعة التغير مع التدهور البطيء والمستمر لصحة البطارية.

قام فريق من الباحثين في معهد هاربين للتكنولوجيا بتطوير طريقة جديدة لنمذجة هذا التفاعل، حيث أنشأوا إطار عمل موحداً يربط بين احتياجات الطاقة الفورية للهاتف وبين الفيزياء طويلة الأمد للبطارية. ويركز عملهم على نهج "الزمن المستمر"، مما يعني أنهم يعاملون تدفق الطاقة كتدفق سلس وغير منقطع، بدلاً من كونه سلسلة من اللقطات المنفصلة. ويسمح هذا النهج بتتبع كيفية نمو الأخطاء الصغيرة في قياس الطاقة أو تقدير السعة المتبقية بمرور الوقت، مما يؤدي في النهاية إلى أخطاء جسيمة في التنبؤ بالمدة التي سيصمد فيها الهاتف. ومن خلال بناء نظام يتكيف مع وصول بيانات جديدة، يهدف الباحثون إلى توفير تقدير أكثر موثوقية لعمر البطارية، والانتقال من مجرد التخمينات البسيطة إلى منهج قائم على السلوك الكهربائي الفعلي للجهاز.

بدأ الباحثون ببناء نموذج يحاكي القلب الكهربائي للبطارية. فقد استخدموا تمثيلاً لدائرة من الدرجة الثانية، والذي يعمل كخريطة مبسطة لكيفية انتقال الكهرباء عبر المقاومة الداخلية للبطارية وكيفية تخزينها للشحنة في طبقات مختلفة. تتضمن هذه الخريطة نموذج مقاومة يعتمد على درجة الحرارة، مع الإقرار بأن البطاريات تسلك سلوكاً مختلفاً عندما تكون باردة مقابل عندما تكون دافئة. كما دمجوا نموذج شيخوخة تجريبي، يتتبع كيفية تقلص السعة الإجمالية للبطارية عبر آلاف دورات الشحن. ويكمن جوهر ابتكارهم في كيفية ربط هذا النموذج الفيزيائي باستخدام الهاتف الفعلي. فبدلاً من افتراض أن استهلاك الطاقة الذي يبلغ عنه الهاتف مثالي، قاموا ببناء نظام معايرة تكيفي يتحقق باستمرار من تنبؤات النموذج مقابل البيانات اللحظية من مستشعرات الهاتف.

ولاختبار هذا النظام، جمع الفريق كمية هائلة من البيانات من هاتف ذكي محدد من نوع ZTE يعمل بنسخة حديثة من نظام التشغيل أندرويد. وقد سجلوا آلاف الصفوف من البيانات على مدار عدة أيام، تشمل كل شيء من نشاط المعالج إلى الإشارات اللاسلكية وجهد البطارية. وقارنوا نموذجهم التكيفي بعدة أساليب أبسط، مثل استخدام متوسط ثابت أو عامل قياس ثابت لتخمين استهلاك الطاقة. وكانت النتائج مذهلة؛ فعندما طبق الباحثون معايرة ثابتة على جلسات الاستخدام اللاحقة للهاتف، خفضوا متوسط الخطأ في التنبؤ بالطاقة من 1.582 واط إلى 0.232 واط. ومع ذلك، عندما انتقلوا إلى طريقتهم التكيفية التكرارية -التي تُحدث قواعدها الخاصة في كل مرة تصل فيها قطعة جديدة من البيانات- انخفض الخطأ بشكل أكبر ليصل إلى 0.117 واط. وقد أثبتت هذه الطريقة التكرارية فعاليتها بشكل خاص في تصحيح نفسها في الوقت الفعلي، رغم أن الباحثين أشاروا إلى أنها لا تزال تواجه تحديات في ظروف تشغيل معينة وسريعة التغير.

كما بحثت الدراسة في مدى جودة قدرة هذه النماذج على التنبؤ بالصحة طويلة الأمد للبطارية باستخدام خلايا مخبرية. فقد اختبروا نموذجاً ثنائي الأسي، يستخدم معدلين مختلفين لوصف تلاشي السعة، مقابل نماذج أبسط على بيانات من خمس خلايا بطارية مختلفة. وفي خلية واحدة محددة من جامعة كوليدج لندن، قدم النموذج المعقد أداءً استثنائياً، مع خطأ صغير جداً في التنبؤ بفقدان السعة. ومع ذلك، عند تطبيقه على أربع خلايا أخرى من قاعدة بيانات ناسا العامة، لم يقدم النموذج المعقد أي ميزة واضحة على النماذج الأبسط والأكثر مباشرة؛ بل في بعض الحالات، كان أداء النماذج الأبسط أفضل. تشير هذه النتيجة إلى أنه بينما يمكن أن تكون النماذج المعقدة مفيدة، إلا أنها ليست حلاً عالمياً؛ إذ يعتمد النهج الأفضل بشكل كبير على البطارية المحددة وتاريخها.

تضمن جزء حاسم آخر من البحث فهم كيفية تراكم الأخطاء. فقد طور الفريق تحليلاً رياضياً لإظهار كيف يمكن لخطأ صغير ومستمر في قياس التيار أو تقدير السعة أن ينحرف بمرور الوقت، مما يؤدي في النهاية إلى خطأ كبير في التنبؤ بالوقت المتبقي حتى تفرغ البطارية. ووجدوا أنه حتى مع الحسابات العددية المثالية، فإن وجود انحياز طفيف في قياس التيار سيؤدي إلى انحراف المستوى المتوقع للبطارية بعيداً عن الواقع مع مرور الوقت. وتعد هذه الرؤية بالغة الأهمية لأنها تفصل بين الأخطاء الناتجة عن الرياضيات نفسها والأخطاء الناتجة عن المدخلات الفيزيائية غير الكاملة. وهي توضح أن تحسين التنبؤ يتطلب إصلاح بيانات المدخلات -مثل معايرة الطاقة أو تقدير السعة- بدلاً من مجرد جعل الحسابات أكثر دقة.

كما فحص الباحثون بيانات عامة من ألف ملف تعريف مختلف لأعباء العمل على هاتف Google Pixel 8 لمعرفة ما إذا كان إضافة ميزات عتادية أكثر تفصيلاً، مثل ترددات وحدة المعالجة المركزية المحددة أو مستويات سطوع الشاشة، سيؤدي إلى تحسين التنبؤات. ووجدوا أن تضمين هذه الميزات الإضافية قد ساعد بالفعل، حيث فسر ما يقرب من 90 بالمائة من التباين في استهلاك الطاقة. ومع ذلك، اكتشفوا أن إجبار النموذج على استخدام الأرقام الموجبة فقط لهذه الميزات لم يحسن النتائج، مما يشير إلى أن العلاقة بين نشاط العتاد والطاقة معقدة وليست دائماً مباشرة. وتخلص الدراسة إلى أنه بينما يمكن لإطار عمل موحد أن يربط بنجاح بين طلب العتاد وديناميكيات البطارية، فإن استراتيجية التنبؤ الأفضل تعتمد على الجهاز المحدد والظروف التي يُستخدم فيها.

في نهاية المطاف، يوفر هذا العمل مساراً قابلاً لإعادة الإنتاج للانتقال من بيانات المستشعرات الخام إلى تقدير موثوق لعمر البطارية. وهو يثبت أن المعايرة التكيفية يمكن أن تقلل بشكل كبير من الأخطاء في التنبؤ بالطاقة، ولكنه يسلط الضوء أيضاً على حدود النماذج الحالية عند مواجهة أنماط متنوعة لتقادم البطاريات. ويؤكد الباحثون أنه بينما يوفر إطار عملهم أساساً قوياً، فإن الخطوة الأخيرة المتمثلة في التحقق من هذه التنبؤات مقابل تفريغ كامل لهاتف حقيقي تظل ضرورية. ومن خلال الفصل الواضح بين مصادر الخطأ واختبار أساليبهم ضد كل من بيانات الهواتف الحقيقية والتجارب المخبرية المنضبطة، فقد وضعوا طريقة أكثر وضوحاً وأمانة لفهم وتوقع قدرة تحمل أجهزتنا الأكثر أهمية.