رقاقة الدايود التي ترى الصور ✛

الأصل: "Resonant-Tunnelling Diode Reservoir Computing System for Image Recognition"
arXiv:2507.15158 · 2025-07-20 · CC BY 4.0 · 1 دقيقة
الدايود النفقي يحوّل الصور إلى أنماط كهربائية بأقل استهلاك للطاقة.

قرع الطبول على الماء يولّد تموّجات فريدة — يمكن من خلالها تخمين الإيقاع. هكذا يعمل الحاسوب الخزّان: بدلًا من الماء — دايود، ابتكره ليو إساكي عام 1958. تحت الجهد الكهربائي، يتصرّف تيّاره بشكل غير خطي: يرتفع أولًا، ثم ينخفض، ثم يرتفع مجددًا. تتشابك الإشارة مثل تموّجات الماء، وتُنتج كل صورة نمطها الكهربائي الخاص. على عكس الشبكات العصبية التقليدية، لا تُضبط الوصلات هنا — فيزياء الدايود نفسها تولّد التعقيد. الطبقة الخارجة فقط هي التي تتعلّم، حيث تربط النمط بالإجابة. دائرة من هذه الدايودات تقرأ الأرقام المكتوبة بخط اليد وتميّز التفاح من البرتقال بكفاءة لا تقل عن بطاقات الفيديو القوية، لكنها تستهلك طاقة أقل بمئات المرات. السرّ في تزايد الإنتروبيا: تختلط الإشارة لتشكّل استجابة شبه عشوائية لكنها مميّزة. بتحليلها مثل طيف الضوء، تستخلص الرقاقة السمات المهمّة. يُبدّل الدايود حالته خلال بيكو ثوانٍ — أسرع بألف مرّة من الترانزستورات، لأن الإلكترونات تنفق عبر حواجز الطاقة مثل الأشباح.

الإلكترونات في هذا الدايود تعبر حاجز الطاقة كما تعبر الأشباح الجدران. ولهذا يُبدّل حالته خلال بيكو ثوانٍ — أسرع من أي ترانزستور.

I(V) = a \ln\left(\frac{1+e^{\alpha+\eta V}}{1+e^{\alpha-\eta V}}\right) \left(\frac{\pi}{2} + \tan^{-1}\left(\frac{c-n_1 V}{d}\right)\right) + h(e^{\gamma V}-1)
التيار عبر الثنائي كدالة للجهد؛ تحدد المعاملات شكل اللاخطية.
العلماء
ArchimedesDaniel BernoulliLeonhard EulerGeorge GamowLeo Esaki
المفاهيم
حوسبة الخزان الشبكات العصبية المتكررة (Recurrent Neural Networks, RNN) بنية ذاكرة الشبكة العصبية تمييز الأنماط إعادة بناء الصورة إعادة بناء ثلاثية الأبعاد التصوير المقطعي المحوسب ذكاء اصطناعي للتصوير الطبي شبكة عشوائية جهاز الرنين المغناطيسي مولد الأرقام العشوائية رنان فائق التوصيل تقليل الأبعاد ديناميكا الموائع الحسابية (CFD) التعلم العميق في التصوير الطبي آلة تورينج معالجة الصور الرقمية (Digital Image Processing, DIP)