Το υλικό που «θυμάται» και αναγνωρίζει σχήματα με δονήσεις – Μια νέα διαδρομή προς τη μηχανική νοημοσύνη

Με μια ματιά

• Πειραματικό μεταϋλικό αποθηκεύει πληροφορίες σε σταθερές μηχανικές καταστάσεις και τις «διαβάζει» με δονήσεις.
• Σε προσομοίωση αναγνώρισε τα χειρόγραφα ψηφία 0 και 1 με ακρίβεια 93,3% στο σύνολο δοκιμής.
• Δεν πρόκειται για αυτόνομο υπολογιστή AI: η εκπαίδευση των κυματομορφών έγινε εκτός της μηχανικής διάταξης.

Ένα υλικό που δεν περιορίζεται στο να αντέχει φορτία ή να απορροφά κραδασμούς, αλλά μπορεί να αποθηκεύει πληροφορίες και να τις αναγνωρίζει μέσα από τις ίδιες του τις δονήσεις: αυτό είναι το αποτέλεσμα μιας νέας έρευνας του Πανεπιστημίου του Μίσιγκαν. Η μελέτη των Yuning Zhang και K. W. Wang δημοσιεύτηκε ηλεκτρονικά στις 21 Οκτωβρίου 2026 στο Science Advances και προτείνει έναν διαφορετικό δρόμο για τη λεγόμενη «μηχανική νοημοσύνη».

Η ιδέα δεν είναι να τοποθετηθεί ένα μικροσκοπικό συμβατικό τσιπ μέσα σε κάθε αντικείμενο. Είναι να αξιοποιηθούν οι φυσικές ιδιότητες μιας ειδικά σχεδιασμένης κατασκευής ώστε η ίδια να συμμετέχει στην αποθήκευση και στην επεξεργασία πληροφορίας. Οι ερευνητές έδειξαν τη βασική αρχή με εργαστηριακό πρωτότυπο και αριθμητικές προσομοιώσεις. Αυτό απέχει ακόμη πολύ από ένα εμπορικό «έξυπνο υλικό».

Πώς μπορεί μια κατασκευή να έχει μνήμη

Η ομάδα δημιούργησε ένα φωνονικό μεταϋλικό, δηλαδή μια κατασκευή της οποίας η γεωμετρία καθορίζει πώς μεταδίδονται οι ελαστικές δονήσεις. Το πειραματικό πρωτότυπο είχε πλέγμα 11 επί 11 μονάδων, σε τρία επίπεδα: μια εσωτερική πλάκα που μεταφέρει τα κύματα και δύο εξωτερικές στρώσεις με στοιχεία που μπορούν να παραμένουν σε δύο διαφορετικές σταθερές θέσεις.

Οι δύο θέσεις λειτουργούν σαν μηχανικά «0» και «1». Μικροί μαγνήτες μεταβάλλουν την αλληλεπίδραση ανάμεσα στις στρώσεις, ανάλογα με τη θέση κάθε μονάδας. Έτσι, ένα αποθηκευμένο σχέδιο δεν υπάρχει ως αρχείο σε ηλεκτρονική μνήμη, αλλά ως συγκεκριμένη διάταξη φυσικών καταστάσεων. Στο πείραμα, οι ερευνητές άλλαζαν χειροκίνητα τις μονάδες για να γράψουν τα σχέδια.

Το σημαντικό είναι ότι οι καταστάσεις παραμένουν χωρίς συνεχή τροφοδοσία για να συγκρατηθεί η πληροφορία. Αυτό, όμως, δεν σημαίνει ότι ολόκληρο το σύστημα λειτουργεί χωρίς ενέργεια: οι δονήσεις πρέπει να διεγερθούν και οι αποκρίσεις να μετρηθούν.

Οι δονήσεις γίνονται ερωτήσεις

Όταν ένα ελαστικό κύμα περνά μέσα από το πλέγμα, δεν συμπεριφέρεται παντού με τον ίδιο τρόπο. Η διαδρομή και η συχνότητά του αλληλεπιδρούν με τις αποθηκευμένες μηχανικές καταστάσεις. Σε ορισμένες συχνότητες η ενέργεια συγκεντρώνεται κοντά σε συγκεκριμένες γραμμές, γωνίες ή άλλες γεωμετρικές λεπτομέρειες του σχεδίου.

Οι επιστήμονες αξιοποίησαν αυτή τη συμπεριφορά σαν ένα είδος φυσικής αναζήτησης: στέλνουν επιλεγμένους συνδυασμούς συχνοτήτων και παρατηρούν σε ποιο κανάλι εμφανίζεται ισχυρότερη απόκριση. Οι κυματομορφές έχουν προηγουμένως βελτιστοποιηθεί με διαδικασία εκπαίδευσης εκτός της διάταξης. Μετά την εκπαίδευση, το μηχανικό σύστημα αναλαμβάνει μέρος της αναγνώρισης μέσω της φυσικής διάδοσης των κυμάτων.

Η προσέγγιση έχει και ένα ενδιαφέρον χαρακτηριστικό: οι αποκρίσεις συνδέονται με γνωστούς μηχανισμούς συντονισμού και εντοπισμού της ενέργειας. Δεν χρειάζεται να αντιμετωπίζονται αποκλειστικά ως αδιαφανείς συσχετισμοί ενός ψηφιακού νευρωνικού δικτύου.

Τι έδειξαν πραγματικά οι δοκιμές

Στην πρώτη σειρά δοκιμών, η ερευνητική ομάδα εξέτασε την αναγνώριση τετραγώνων, τριγώνων και σταυρών, σε διαφορετικά μεγέθη και θέσεις. Στις αριθμητικές προσομοιώσεις, το σύστημα πέτυχε 100% ακρίβεια τόσο στην εκπαίδευση όσο και στον έλεγχο για τις δύο μεθόδους κωδικοποίησης. Η εργασία παρουσιάζει επίσης πειραματικές μετρήσεις της διάδοσης των κυμάτων και της αναγνώρισης γεωμετρικών προτύπων.

Η πιο απαιτητική δοκιμή χρησιμοποίησε χειρόγραφα ψηφία από το σύνολο δεδομένων MNIST. Εδώ υπάρχει μια ουσιαστική λεπτομέρεια: η βασική προσομοίωση δεν αναγνώριζε όλα τα ψηφία από το 0 έως το 9, αλλά μόνο το 0 και το 1, αφού οι εικόνες είχαν μετατραπεί σε πλέγμα 11 επί 11 δυαδικών θέσεων. Η ακρίβεια στο σύνολο δοκιμής ήταν 93,3%.

Οι ερευνητές παρουσίασαν και αποτέλεσμα 96,1% για αναγνώριση δέκα ψηφίων. Εκεί, όμως, χρησιμοποίησαν υβριδική αρχιτεκτονική με εξωτερικό γραμμικό ταξινομητή. Δεν θα ήταν σωστό να παρουσιαστεί αυτό το ποσοστό ως επίδοση ενός πλήρως αυτόνομου μηχανικού υπολογιστή.

Γιατί έχει σημασία πέρα από το εργαστήριο

Οι σημερινοί αισθητήρες συνήθως μετατρέπουν ένα φυσικό γεγονός σε ηλεκτρικό σήμα και το στέλνουν σε επεξεργαστή. Η νέα εργασία διερευνά αν μέρος αυτής της διαδικασίας μπορεί να πραγματοποιείται απευθείας μέσα στο υλικό, πριν χρειαστεί ξεχωριστός ηλεκτρονικός υπολογισμός.

Η προοπτική αφορά κατασκευές που αντιλαμβάνονται την παραμόρφωσή τους, ρομπότ με τοπική επεξεργασία αισθητηριακών πληροφοριών ή εξοπλισμό που λειτουργεί σε δύσκολες συνθήκες. Πρόκειται για πιθανές εφαρμογές, όχι για συσκευές που έχουν ήδη δοκιμαστεί στην καθημερινή χρήση. Στο ίδιο ευρύτερο ερευνητικό πεδίο, ομάδα του MIT παρουσίασε τον Σεπτέμβριο νανομηχανικές διατάξεις που μιμούνται ορισμένες λειτουργίες νευρώνων, με διαφορετικό μηχανισμό από αυτόν του Μίσιγκαν.

Υπάρχουν, επίσης, σαφή ανοιχτά ερωτήματα: πόσο μικρό μπορεί να γίνει το πλέγμα, πόσο ανθεκτικό θα είναι σε θόρυβο και φθορά, πόση ενέργεια απαιτείται συνολικά και πόσο εύκολα θα μαθαίνει νέες εργασίες χωρίς εξωτερική υποστήριξη. Η συγκεκριμένη μελέτη δεν αποδεικνύει ότι οι μηχανικές διατάξεις είναι ήδη ταχύτερες ή οικονομικότερες από τα σημερινά τσιπ.

Η ουσία της ανακάλυψης βρίσκεται αλλού: δείχνει ότι η μνήμη και ένα μέρος της αναγνώρισης προτύπων μπορούν να ενσωματωθούν στη φυσική συμπεριφορά μιας κατασκευής. Αν η αρχή αυτή κλιμακωθεί, η «νοημοσύνη» ορισμένων μελλοντικών μηχανών ίσως δεν βρίσκεται μόνο στον επεξεργαστή τους, αλλά και στον τρόπο με τον οποίο είναι φτιαγμένες.