מנכ״ל אנבידיה (NVIDIA), ג׳נסן הואנג, טען בדיון מרכזי בפורום הכלכלי העולמי בדאבוס כי הבינה המלאכותית עומדת בבסיס מה שהוא כינה “פרויקט התשתיות הגדול בהיסטוריה האנושית”. לדבריו, זו אינה עוד טכנולוגיה בודדת אלא פלטפורמה חדשה שדורשת להקים ולהפעיל “מערכת שכבות” שלמה – ולכן היא כבר מייצרת ביקוש עצום לעובדים, החל ממקצועות בנייה ותשתית ועד מומחי ענן ומפתחי יישומים.

הואנג תיאר את מהפכת ה-AI כ**“עוגת חמש שכבות”**: שכבת האנרגיה (חשמל וייצור כוח), שכבת השבבים ותשתיות המחשוב, שכבת מרכזי הנתונים והענן, שכבת המודלים, ולבסוף שכבת היישומים – “שם”, לדבריו, ייווצר הערך הכלכלי הגדול באמת, כש-AI יוטמע בשירותים פיננסיים, בריאות, ייצור ותעשייה. ההיגיון של הואנג פשוט: אם כל שכבה חייבת להיבנות ולתוחזק, אז המהפכה דוחפת את הכלכלה לייצר מקומות עבודה ברוחב יוצא דופן – גם בעבודות שטח וגם בתפקידי היי-טק.

בחלק התעסוקתי הואנג דחה את הטענה ש-AI “מחליף אנשים” באופן גורף. הוא הדגים זאת דרך רדיולוגיה וסיעוד: לדבריו, AI מאיץ משימות כמו ניתוח דימות או תיעוד ובירוקרטיה, אבל מחדד את “מטרת המקצוע” – אבחון וטיפול – ולכן עשוי אפילו להגדיל ביקוש לכוח אדם. הוא התייחס גם למחסור חמור בכוח אדם בסיעוד בארה״ב, וטען שכלים שמקלים על תיעוד יכולים לפנות זמן לטיפול ולהגדיל תפוקה – מה שמייצר תמריץ להעסקת עוד עובדים.

בדיון, שנערך מול יו״ר ומנכ״ל בלאקרוק (BlackRock) לארי פינק, הואנג הציג גם טענה רחבה יותר: AI הוא “תשתית לאומית” בדומה לחשמל או כבישים, ולכן מדינות צריכות לפתח יכולות AI מקומיות שמתאימות לשפה ולתרבות שלהן. הוא הוסיף שאוריינות AI הופכת ליכולת בסיסית: לדעת “להנחות, לנהל, להציב מעקות בטיחות ולהעריך” מערכות – מיומנויות שהוא השווה לניהול אנשים ולמנהיגות.

עוד טען הואנג כי 2025 הייתה שנה חריגה בהיקף השקעות הון-סיכון, עם יותר מ-100 מיליארד דולר שהופנו בעיקר לחברות “AI-native” – סטארט-אפים שבונים ישירות את שכבת היישומים. מבחינתו, זה סימן לכך שהעולם עדיין לא “בסוף הגל”, אלא באמצע מעבר פלטפורמה שמחייב השקעות ענק בתשתיות כדי לאפשר לכל יתר השכבות לצמוח.

הפוסט “עוגת חמש השכבות” של הואנג: בינה מלאכותית היא תשתית, לא גימיק – והיא מייצרת גל תעסוקה חדש הופיע לראשונה ב-Chiportal.

בעתיד מחשבים קוונטיים אמורים לפתור בעיות שנחשבו בלתי פתירות, לנבא מראש כיצד חומרים כימיים יגיבו אלו עם אלו ואף לספק תחזית מהימנה של מזג האוויר, אך לעת עתה הם רגישים מאוד להפרעות מהסביבה ואיבוד מידע. מחקר חדש ממעבדתו של ד"ר יובל רונן במכון ויצמן למדע, המתפרסם היום בכתב-העת המדעי Nature, חושף עדות חדשה לקיומם של החלקיקים האקזוטיים "אניונים לא-אבליים" – מועמדים מבטיחים לבניית מחשב קוונטי עמיד לטעויות – בתוך החומר גרפן דו-שכבתי.

במכניקת הקוונטים חלקיקים מתנהגים גם כגלים, ותכונותיהם מתוארות באמצעות פונקציית גל. פונקציית הגל יכולה לתאר את מצבו של חלקיק יחיד או של מערכת חלקיקים. פיזיקאים מסווגים את החלקיקים בטבע לקבוצות לפי האופן שבו פונקציית הגל של שני חלקיקים משתנה כאשר הם מחליפים ביניהם מקומות. עד לשנות ה-80, הכירו הפיזיקאים שני סוגי חלקיקים בלבד – חלקיקים שפונקציית הגל שלהם לא משתנה כשהם מחליפים מקום (בוזונים), כדוגמת חלקיקי אור, וחלקיקים שהפונקציה שלהם מתהפכת (פרמיונים), כדוגמת אלקטרונים. אך, בשנת 1982 התגלה מצב חדש של חומר שבו יכול להתקיים סוג נוסף של חלקיקים, שלא קיימים בצורה טבעית. כאשר חלקיקים אלו מחליפים מקומות, פונקציית הגל עשויה להסתובב בכל זווית בין 0 ל-180 מעלות – ולכן ניתן להם השם "אניונים", שמקורו במילה "Any".

אניונים מופיעים רק בטמפרטורות הקרובות לאפס המוחלט, תחת שדה מגנטי חזק, כשמתקיימים קשרים חזקים בין החלקיקים ואך ורק במערכות דו-ממדיות, כלומר בפיסות חומר דקיקות שהתנועה לגובה בהן אינה אפשרית. במצבים אלו, התברר כי אלקטרונים בחומר מפסיקים להתנהג כחלקיקים שלמים ומתחילים להתנהג כשברי אלקטרונים – האניונים. לפי התאוריה שהתפתחה מאז, ישנם למעשה שני סוגי אניונים: "אניונים אבליים", שאצלם החלפת מקום מסובבת את פונקציית הגל בלבד, ו"אניונים לא-אבליים",  שהחלפה ביניהם גם מסובבת את פונקציית הגל וגם משנה את צורתה. שברי אלקטרון עם מכנה אי זוגי – כמו למשל שליש אלקטרון – הם אניונים אבליים, ומשערים ששברי אלקטרון עם מכנה זוגי – כמו רבע אלקטרון – הם לא-אבליים.

"החלפה של אניונים לא-אבליים משאירה חותם על הצורה של פונקציית הגל", מסביר ד"ר רונן. "אם ניקח שלושה אניונים לא-אבליים ונחליף את הראשון בשני ואז את השני בשלישי, נקבל פונקציית גל בעלת צורה שונה מזו שהיינו מקבלים אילו היינו מחליפים אותם בסדר אחר. זו דרך לקודד ולאחסן מידע, שהם חלק מהתנאים לפיתוח מחשב". 

"בחלק מהמודלים הקיימים, יחידות המידע הבסיסיות של המחשב הקוונטי (קיוביטים) הן חלקיקים בודדים, שרגישים להפרעות סביבתיות", מוסיף ד"ר רונן. "באניונים לא-אבליים המידע על סדר ההחלפות שמור לא בצורה מקומית, אלא בפונקציית הגל של המערכת כולה. מערכות שהתכונות החשובות שלהן נשמרות ברמת המערכת כולה עמידות בפני תקלה נקודתית ונקראות מערכות טופולוגיות. מערכות אלו הן מהפתרונות המבטיחים לבעיית אמינות המחשבים הקוונטיים". על אף שמדענים הצליחו לאחרונה למדוד אניונים אבליים, עד כה לא נמדדו ישירות אניונים לא-אבליים.

מאופטיקה קלאסית למחשב קוונטי

במחקר החדש, בהובלת ד"ר ג'ייהון קים והימאנשו דב ממעבדתו של ד"ר רונן במחלקה לפיזיקה של חומר מעובה במכון, השתמשו בחומר שפותח בשנים האחרונות ונקרא גרפן דו-שכבתי. מדובר במעין "כריך" העשוי שתי שכבות דקות של אטומי פחמן, שכל אחת מהן מסודרת כחלת דבש. בחומר זה, המצב שבו אניונים לא-אבליים אמורים להופיע יציב, והמדענים יכולים לשלוט היטב במסלולי התנועה של אניונים.

הניסוי שביצעו מדעני המכון מסתמך על ניסוי מפורסם באופטיקה מהמאה ה-19. בניסוי הקלאסי כולאים קרן אור בין שתי מראות. בכל פעם שהקרן פוגעת באחת המראות ומוחזרת, פונקציית הגל שלה מסתובבת בזווית (פאזה) מסוימת. כל עוד קרן האור המוחזרת לא מסונכרנת עם הקרן המקורית, הן מבטלות זו את זו ומתקבל אור חלש. לאחר כמה החזרות, פונקציית הגל משלימה סיבוב שלם וחוזרת לפאזה המקורית, כך שהקרניים מסונכרנות ומתקבל אור חזק. הניסוי מייצר דפוס של פסי אור וחושך שנקרא תבנית התאבכות, ולפי הדפוס המדויק פיזיקאים מסיקים מה היו תכונות הגל המקורי שנכלא בין המראות.

בניסוי הקוונטי המקביל, המדענים הביאו תחילה את האלקטרונים בחומר למצב שבו אמורים להימצא אניונים לא-אבליים. הם יצרו מסלול לולאה שבו גל של אניון אחד מקיף אי שבו יש אניונים אחרים ושדה מגנטי, ולאחר מכן שב ופוגש את הגל המקורי. בחלק הראשון של הניסוי, בחנו המדענים רק כיצד שדה מגנטי משנה את הפאזה של האניון שמקיף את האי. בכל סיבוב פאזת הגל החוזר השתנתה בהשפעת השדה המגנטי ובעת מפגש עם הגל המקורי הם התבטלו או התחברו. כמו הניסוי האופטי, גם ניסוי זה מייצר תבנית התאבכות, אך לא של פסי אור וחושך אלא של פסי התנגדות חשמלית גבוהה ונמוכה, שמהם ניתן ללמוד מהן תכונות האניון המסתובב.

"הצלחנו בניסוי למדוד שבר אלקטרון עם מכנה זוגי", מתאר ד"ר רונן. "אך בניגוד להנחה המקובלת שאניונים לא-אבליים הם רבע אלקטרון, הופתענו לראות במדידות כי גל של חצי אלקטרון הסתובב סביב האי. בעקבות ניסויים נוספים שביצענו, אנו מעריכים כי הסיבה לכך היא ששני אניונים לא-אבליים מקיפים את האי יחד, ועדיין לא הצלחנו להפריד ביניהם. בכל זאת, זהו צעד חשוב בדרך למדידה וזיהוי ישיר של אניונים לא-אבליים, ובימים אלו אנחנו מנסים להפריד ביניהם".

בניסוי נוסף שביצעו, ביקשו המדענים ללמוד על תכונות חלקיקי החומר שנמצאים בתוך האי. חלקיקים אלו נמצאים באינטראקציה עם החלקיק המסתובב ולכן המדענים שיערו כי יוכלו להשתמש בו כדי ללמוד עליהם. הם שינו את צפיפות החלקיקים באי ובחנו באיזו מידה זה משנה את פונקציית הגל של החלקיק המסתובב וכתוצאה מכך את תבנית ההתאבכות. שינוי בשיפוע של הפסים בתבנית ההתאבכות מעיד על המטען של החלקיקים באי והמדענים למדו ממנו כי יש להם מטען של רבע אלקטרון, כמצופה מאניונים לא-אבליים, וכפי שנמדד בעבר במעבדתו של פרופ' מוטי הייבלום, גם כן במכון ויצמן, בניסויי מנהור.

"הראינו שבגרפן דו-שכבתי יש חלקיקים שהם קרוב לוודאי אניונים לא-אבליים", אומר ד"ר רונן. "השלב הבא יהיה להצליח לחזות ישירות ב'זיכרון' של מערכת אניונים לא-אבליים, כלומר להצליח למדוד כיצד כל סדר החלפות של חלקיקים מייצר חתימה ייחודית בפונקציית הגל. מחשבים קוונטיים כיום מוגבלים לשדות מחקריים צרים וכדי שהם יהיו שימושיים יותר הם חייבים להיות אמינים. המחקר החדש מקדם אותנו צעד נוסף בדרך לפיתוח מחשב קוונטי עמיד לטעויות".

במחקר השתתפו גם עמית שעיר, ד"ר ראווי קומר, ד"ר אלכסיי אילין, ד"ר אנדרה האוג, שלי איסקוז, פרופ' דיוויד מרוס ופרופ' עדי שטרן מהמחלקה לפיזיקה של חומר מעובה במכון; פרופ' קנג'י וואטנבה ופרופ' טאקאשי טניגוצ'י מהמכון הלאומי למדעי החומרים, צוקובה, יפן.

הפוסט חלקיקי זיכרונות מועמדים מבטיחים לבניית מחשב קוונטי עמיד לטעויות הופיע לראשונה ב-Chiportal.

צוות של מדענים מאוסטרליה ומרחבי העולם יצר לראשונה תמונה מלאה של האופן שבו שגיאות מתפתחות לאורך זמן בתוך מחשב קוונטי. מדובר בפריצת דרך שעשויה להפוך מחשבים קוונטיים עתידיים לאמינים בהרבה.

החוקרים, בהובלת ד״ר כריסטינה ג׳יארמאצי מאוניברסיטת מקווארי, מצאו שהשגיאות הזעירות שמטרידות מחשבים קוונטיים אינן מופיעות באקראי. במקום זאת הן יכולות להישאר במחשב, להתפתח לאורך זמן, ואפילו להתחבר זו לזו בין רגעים שונים.

“אפשר לחשוב על זה כאילו מחשבים קוונטיים שומרים זיכרון של השגיאות,” אומרת ד״ר ג׳יארמאצי. “הזיכרון הזה יכול להיות קלאסי או קוונטי, בהתאם לאופן שבו השגיאות מקושרות זו לזו.”

“פרוטוקולים קוונטיים רבים מניחים שלמחשבים קוונטיים אין זיכרון כזה (כלומר שהתנהגותם ‘מרקוביאנית’), אבל זה פשוט לא נכון.”

ההתנהגות הזו היא אחד המכשולים המרכזיים בדרך לבניית מחשבים קוונטיים מעשיים בקנה מידה גדול.

“הצלחנו לשחזר את כל ההתפתחות של תהליך קוונטי לאורך כמה נקודות זמן, דבר שלא נעשה קודם,” אמרה ד״ר ג׳יארמאצי. “זה מאפשר לנו לראות לא רק מתי רעש מופיע, אלא איך הוא נישא לאורך הזמן.”

פריצת הדרך פותחת אפשרות לשיטות מתקדמות יותר למידול, חיזוי ותיקון שגיאות במכשירים קוונטיים. ולא רק בשבבים מוליכי־על, אלא גם במערכות כמו יונים כלואים ו וקיוביטי ספין.

“פתחנו חלון חדש לאופן שבו מערכות קוונטיות מתנהגות לאורך זמן, כאשר השגיאות שלהן מקושרות,” אמרה ד״ר ג׳יארמאצי. “זה חיוני אם אנחנו רוצים שמחשבים קוונטיים יהפכו באמת לשימושיים ולחסרי שגיאות.”

כדי להגיע לכך, הצוות ערך סדרת ניסויים על מעבדים קוונטיים מתקדמים מסוג מוליכי־על. חלקם נערכו במעבדה באוניברסיטת קווינסלנד, ואחרים בוצעו דרך מחשבים קוונטיים מבוססי ענן של IBM.

ניסיונות קודמים “למפות” את התנהגות המערכת הקוונטית לאורך זמן נתקלו כולם באותה בעיה: אחרי שמודדים מערכת קוונטית באמצע ניסוי, אי אפשר “להכין” אותה שוב בחופשיות לשלב הבא. ההכנה תלויה בתוצאת המדידה, שהיא 0 או 1.

השיטה החדשה פותרת זאת באמצעות תרגיל חכם: מניחים שב־50% מהמקרים תוצאת המדידה הייתה 1, וב־50% הנותרים היא הייתה 0. לאחר מכן משתמשים בתוכנה כדי “לעבוד לאחור” עם הנתונים ולהסיק באיזה מצב הייתה המערכת.

“החומרה יכלה לעשות את זה,” אמר שותף המחקר ד״ר פאביו קוסטה מ־Nordita בשטוקהולם. “מה שאנחנו פיצחנו הוא איך בפועל להכין את המערכת לאחר מדידה באמצע המעגל.”

החוקרים מצאו שגם המכונות הקוונטיות הטובות ביותר כיום מציגות דפוסי רעש עדינים אך חשובים שמקושרים בזמן. בין היתר, מדובר גם ברעש שהוא קוונטי באופיו ומקורו בקיוביטים סמוכים על אותו שבב.

הבנת הדפוסים האלה תסייע למדענים לתכנן כלים טובים יותר לאפיון מערכות ולתיקון שגיאות. זהו צעד חיוני בדרך למחשבים קוונטיים אמינים, “סובלניים לתקלות” (fault-tolerant).

“זה מתגמל כשרואים מודלים תיאורטיים קורמים עור וגידים על חומרה אמיתית, ובמיוחד כשהם יכולים לעזור לפתח את החומרה עצמה,” אמר טיילר ג׳ונס, שעבד על הפרויקט כדוקטורנט באוניברסיטת קווינסלנד. “אפיון חזק של קורלציות בזמן במערכות קוונטיות הוא הכרחי בדרך לבניית מכונות קוונטיות עוצמתיות.”

הצוות הפך את נתוני הניסוי ואת הקוד לזמינים באופן פתוח, והמחקר המלא פורסם בכתב העת Quantum.

למאמר בכתב העת Quantum

הפוסט צוות מחקר אוסטרלי גילה מדוע למחשבים קוונטיים יש “בעיות זיכרון” לאורך זמן הופיע לראשונה ב-Chiportal.

חוקרים הצליחו לראשונה לצפות באופן ישיר בשני מנגנונים נפרדים שבאמצעותם הספינים של אלקטרונים מתהפכים בתוך חומר אנטיפרומגנטי – סוג של חומר שבו כיווני הספין המנוגדים מבטלים זה את זה. אחד ממסלולי ההיפוך הללו עשוי לשמש בסיס לפיתוח טכנולוגיות זיכרון ולוגיקה אולטרה-מהירות ובלתי נדיפות, שיפעלו הרבה יותר מהר מהמערכות המתקדמות ביותר הקיימות כיום. המחקר פורסם לאחרונה בכתב העת Nature Materials.

במהלך ההיסטוריה של המחשוב, מידע ייצגנו כ-0 ו-1 באמצעות אמצעים שונים: מנייר מנוקב ומוטות מתכת, דרך שפופרות ריק ועד לטרנזיסטורים. ככל שהדרישה לעוצמת חישוב ממשיכה לעלות, חוקרים מחפשים דרכים חדשות לקודד נתונים.

חומרים אנטיפרומגנטיים הפכו למועמדים מבטיחים במסגרת חיפוש זה, משום שההתנהגות המגנטית הלא-שגרתית שלהם – או למעשה כמעט היעדר תגובה מגנטית – יכולה לאפשר כתיבה של מידע דיגיטלי בדרכים חדשות לגמרי.

העבודה בוצעה בידי צוות בראשות ריו שימאנו (Ryo Shimano) מאוניברסיטת טוקיו.

„במשך שנים רבות", אומר שימאנו, „מדענים האמינו שחומרים אנטיפרומגנטיים כמו Mn₃Sn ‏(מנגן-בדיל, Mn3Sn) מסוגלים להחליף את המגנטיזציה שלהם במהירות עצומה. אבל לא היה ברור אם מיתוג בלתי נדיף כזה יכול להסתיים בתוך כמה עד עשרות פיקו-שניות, או כיצד בדיוק משתנה המגנטיזציה במהלך תהליך ההיפוך".

פתרון לחידה ותיקה

השאלה הגדולה הייתה האם המנגנון מונע בידי החום שמופק מהזרם החשמלי, או בידי הזרם עצמו. כדי לענות על כך, יצאו החוקרים „לצלם" את המנגנון. הם הכינו שכבה דקה של Mn3Sn והעבירו דרכה פולסים קצרים של זרם חשמלי. לאחר מכן, באמצעות הבזקי אור אולטרה-מהירים ומתוזמנים בדיוק, שנשלחו בעיכובים שונים ביחס לפולס החשמלי, הם ניסו ליצור „תמונת סטופ-מושן" של השינוי במגנטיזציה.

המדידה התבססה על מיקרוסקופיה מגנטו-אופטית רגישה במיוחד, המנטרת שינויים זעירים מאוד באות האופטי.

„החלק המאתגר ביותר בפרויקט", נזכר שימאנו, „היה למדוד את השינויים הזעירים באות המגנטו-אופטי. אבל הופתענו לגלות עד כמה תהליך המיתוג נראה בבירור ברגע שמצאנו את השיטה הנכונה".

שני מנגנונים נחשפים

התוצאה הייתה משהו שלא נראה עד כה: ויזואליזציה פריים-אחר-פריים של השינוי בדפוס המגנטי. הרצף הראה שהמיתוג מתרחש בשני תהליכים מובחנים, בהתאם לעוצמת הזרם: תהליך אחד מונע תרמית כאשר הזרם גדול, ותהליך שני שאינו מלוּוה בחימום משמעותי כאשר הזרם חלש יותר.

התהליך הלא-תרמי, המתרחש בעוצמות זרם נמוכות, עשוי לספק בסיס לפיתוח התקני ספינטרוניקה אמינים לדור הבא – עבור מחשוב, תקשורת ואלקטרוניקה מתקדמת. היכולת לבצע היפוך ספינים אולטרה-מהיר ללא חימום משמעותי היא מפתח קריטי לזיכרונות מהירים ובלתי נדיפים.

לדברי שימאנו, הממצאים פותחים דלת לחקר גבולות חדשים:

„התצפית המהירה ביותר שלנו על מיתוג חשמלי ב-Mn₃Sn היא 140 פיקו-שניות (140 טריליוניות השנייה), והמגבלה העיקרית מגיעה מאורך פולסי הזרם שניתן לייצר במכשיר שלנו. עם זאת, הממצאים מרמזים שהחומר עצמו עשוי להתהפך אפילו מהר יותר בתנאים מתאימים. בעתיד אנחנו שואפים לחקור את הגבולות האולטימטיביים הללו באמצעות יצירת פולסי זרם קצרים עוד יותר ואופטימיזציה של מבנה ההתקן".

הפוסט מדענים צפו בהיפוך ספיני אלקטרון בתוך 140 טריליוניות השנייה הופיע לראשונה ב-Chiportal.

המוח האנושי עדיין מנצח את מעבדי ה־AI בפער עצום – לא רק ביכולות, אלא בעיקר ביעילות האנרגטית. בהרצאה שנעלה את המושב על IoT ובינה מלאכותית בכנס 2025 TSMC Europe Open Innovation Platform (OIP) Ecosystem Forum באמסטרדם, הציג פרופ’ כריסטיאן מייר, ראש הקתדרה Highly Parallel VLSI Systems ב-TU Dresden, כיצד פרויקט המחשוב הנורומורפי SpiNNaker-2 מנסה להתקרב לביצועים של המוח, ולהריץ מודלים גדולים של בינה מלאכותית בזמן אמת – בעלות אנרגטית נמוכה בהרבה מזו של כרטיסי GPU קלאסיים.

מייר מוביל קבוצת מחקר של יותר מ־40 מהנדסים וחוקרים – מתכנני אנלוג ודיגיטל, אנשי אלגוריתמיקה ל-AI, ביוטכנולוגים ורובוטיקאים – שסביבה צמחו כמה ספין־אופים, ובהם Racyics, Siliconally, SpiNNcloud Systems ו-Silicon Matter. יחד מדובר באקו־סיסטם של יותר מ־250 אנשים. הקבוצה ביצעה בעשור האחרון עשרות טייפ־אאוטים של מערכות SoC מורכבות, מתהליכי 90 ננומטר ועד 22 ננומטר, המשמשים כ־30 קבוצות חיצוניות.

נקודת הפתיחה של מייר חדה: כיום יש פער של כ־שבעה סדרי גודל ביעילות האנרגטית בין המוח לבין חומרת ה-AI הטובה ביותר. לדבריו, כדי לבצע משימה חישובית מסוימת, המוח צורך בערך ‎10⁷‎ פחות אנרגיה מאשר מערכות אימון והסקה מודרניות. חלק מהפער הזה כבר מתחיל להיסגר באמצעים כמו זיכרון חישובי (in-/near-memory computing), חישוב בדיוק מופחת (reduced precision) ודילול סטטי של רשתות נוירונים (static sparsity). כל אחד מן הכיוונים הללו נותן בערך סדר גודל אחד של שיפור, יחד כשלושה סדרי גודל – “אבל עדיין נשארים לנו בערך ארבעה סדרי גודל באוויר”, כפי שהוא מנסח זאת. כדי לסגור אותם, צריך, לדבריו, ללמוד מהמוח עצמו.

המוח עובד בתדר נמוך יחסית – סדר גודל של מאה הרץ – אבל עם כ־80 מיליארד נוירונים שפועלים במקביל ובאופן א־סינכרוני. אין “טיק” גלובלי שמחכה שכולם יסיימו; מידע נכנס, משולב ומעובד כל הזמן. מערכות על־חישוב (HPC) קלאסיות, לעומת זאת, נתקעות על מגבלת אמדאל: גם אם מוסיפים עוד ועוד ליבות, חלק מהקוד נשאר סדרתי והאצה נעצרת. המוח פותר זאת בכך שהחישוב הוא אירועי וזמני – כל נוירון מגיב כשהוא צריך, לא כשמגיע תורו בשעון אחיד. זו גם נקודת המפתח לחיסכון האנרגטי: לא כל היחידות עובדות כל הזמן, אלא רק כאשר יש מידע רלוונטי.

כאן נכנסת לתמונה האסטרטגיה הכפולה שמייר הציג: שינוי ברמת האלגוריתם ושינוי ברמת החומרה. ברמת האלגוריתם, אחת הדוגמאות היא מודלים מסוג mixture-of-experts: במקום להפעיל בכל שאילתה את כל פרמטרי המודל, אפשר לבחור רק חלק זעיר מהרשת – למשל אלפית מן הנוירונים – בהתאם לתוכן השאילתה. תיאורטית, זה נותן שלושה סדרי גודל חיסכון באנרגיה, משום שרוב ה"נוירונים" במודל אינם נכנסים לפעולה. בפועל, על GPU רגיל אפשר לממש אולי סדר גודל אחד בלבד, משום שהמעבד לא בנוי לעבודה כל־כך דינמית וספרסית: גם כשהוא “מדלל” את הרשת, הוא עדיין משלם כמעט את כל מחיר הגישה לזיכרון והתקשורת.

לכן, טוען מייר, נדרשת גם חומרה חדשה – חומרה נורומורפית. השכבה הראשונה שהוא מציג היא שבבי Thin-Edge ASICs לעיבוד מקדים מהיר של רשתות עצביות בקצה הרשת. הרעיון: לא לשלוח לענן זרם גולמי של וידאו או חיישנים, אלא לבצע כבר בקצה חישוב עשיר – דחיסה, סאב־סמפולינג, חילוץ מאפיינים, סיווג ראשוני ורשתות חוזרות (RNN) פשוטות – ולהעביר למרכז רק ייצוג דחוס מאוד. בדוגמה שנתן: מצלמה אירועית (event-based) שמגיבה רק לשינויים בתמונה. צומת הקצה יכול להחליט “עכשיו מחפשים מכוניות” או “עכשיו מחפשים אופניים”, ולכן להפעיל רק את המאפיינים הרלוונטיים בתמונה ולהתמקד בזמן אמת רק באזורים מעניינים בסצנה.

מעל שכבת ה-Thin-Edge יושב המחשב הנורומורפי SpiNNaker-2 – מערך ענק של שבבים עם מאות ליבות ועשרות מאיצים נורומורפיים על כל שבב. לפי מייר ועמיתיו, המערכת השלם מיועדת להגיע לכ-10 מיליון ליבות ARM על פני כ־16 ארונות שרתים – שדרוג של פי עשרה לעומת הדור הראשון, SpiNNaker-1. כל שבב כולל לא רק ליבות כלליות, אלא גם מאיצים לרשתות עמוקות, חישוב הסתברותי, מקורות אקראיות ויחידות המתאימות במיוחד לרשתות "קופצות" (spiking neural networks). הזיכרון הפנימי בנוי כ-scratchpad גמיש שיכול לשמש בזמן ריצה כ-L1 או L2, לפי צורך. רשת-על-שבב ורשת התקשורת בין השבבים מעוצבות כך שחבילות אירועיות קטנות יגיעו לקצה השני של המכונה בתוך מילישנייה, כל עוד לא חוצים את מגבלת רוחב-הפס – דרישה קריטית כשמפעילים, למשל, צי של עשרות אלפי רובוטים עירוניים בזמן אמת ממרכז נתונים אחד.

כדי שהמחשב הזה יהיה באמת "פרופורציונלי לאירועים", נדרשה גם הנדסת אנרגיה קיצונית. מייר הסביר שהשבבים מתוכננים לפעול במתחים נמוכים מאוד, סביב חצי וולט ואף פחות, ובפינות תהליך של זליגה נמוכה – כדי להוריד את צריכת הסטנד-ביי כמעט לאפס. כך, כרטיס אחד של המערכת צורך אמנם כמה מאות ואט כשהוא פועל בעומס מלא, מספר דומה לזה של כרטיס NVIDIA A100, אך עומד על כמה ואטים בודדים במצב ממתין, לעומת עשרות רבות של ואטים ב-GPU קלאסי גם כשהוא “לא עושה כלום”. עבור עומסים אירועיים – מצלמות שמדי פעם "מתעוררות", חיישנים שמדווחים רק כשמשתנה משהו או מודל שפה גדול שלא כל הלקוחות מדברים איתו כל הזמן – המשמעות היא חיסכון משמעותי בעלות האנרגיה המצטברת.

המערכת כבר נמצאת בשירות לשורה של יישומים ניסיוניים ותעשייתיים. ספין-אוף החברה SpiNNcloud Systems משווקת מערכות מבוססות SpiNNaker-2 למרכזי מחקר ולחברות, בין היתר לחקר תרופות, רובוטיקה ועיבוד זמן-אמת של נתוני חישה בקנה מידה גדול. באפריל 2025 הודיעה TU Dresden כי מערכת SpiNNcloud בקמפוס נכנסה לפעולה עם כ-35 אלף שבבים ויותר מחמישה מיליון ליבות.

בסיום ההרצאה חזר מייר לנקודת המוצא: אם רוצים שבינה מלאכותית תתקרב באמת ליעילות של המוח, אי-אפשר רק "להאיץ" אלגוריתמים קיימים על חומרה קיימת. צריך לשאול בכל רמה – מהאלגוריתם, דרך האופן שבו מידע מיוצג ומועבר, ועד הארכיטקטורה הפיזית של השבב – איך המוח היה פותר את הבעיה בצורה א־סינכרונית, ספרסית ודינמית. רק שילוב כזה, לדבריו, יוכל לצמצם באמת את פער שבעת סדרי הגודל בין המוח האנושי למחשבי ה-AI של היום.

הפוסט לקרב את המחשבים ליעילות האנרגטית של המוח הופיע לראשונה ב-Chiportal.

חוקרים מבית הספר להנדסת חשמל ומחשבים באוניברסיטת תל אביב פיתחו שיטה פורצת דרך לתכנון רכיבים אופטיים זעירים בעזרת בינה מלאכותית. השיטה מאפשרת לעצב רכיבי אופטיקה שטוחים – המכונים מטא-משטחים – בתוך דקות ספורות בלבד, במקום שעות ואף ימים כפי שהיה נהוג עד כה. מדובר בקפיצת מדרגה משמעותית בתחום האופטיקה, עם פוטנציאל לשנות את הדרך בה מפתחים מצלמות, חיישנים, ומערכות מציאות רבודה.

המחקר נערך בהובלת תלמידי המחקר ליאב חן וארז יוסף, בהנחיית החוקרים פרופ' רג'א ג'יריס, פרופ' דן רביב ופרופ' קובי שויער, כולם מבית הספר להנדסת חשמל ומחשבים באוניברסיטת תל אביב.  המחקר פורסם בכתב העת המדעי ACS Photonics

צוות החוקרים מסביר כי בעשורים האחרונים עולם האופטיקה עובר שינוי דרמטי: במקום עדשות ורכיבים אופטיים עבים וכבדים, חוקרים מפתחים "מטא-משטחים" — מבנים דקים במיוחד בעובי של כמה מאות ננומטרים (מיליוניות המילימטר), הבנויים ממבנים זעירים הנקראים מטא-אטומים. מטא-משטחים מסוגלים לשלוט בכיוון, בעוצמה ובקיטוב של אור, ובכך לבצע פעולות שבעבר דרשו רכיבים גדולים ויקרים.

תכנון של מטא-משטח הוא משימה הנדסית מורכבת במיוחד. מדובר בבעיית "תכנון הופכי" – כאשר ידוע כיצד רוצים שהאור יתנהג, אך לא ידוע כיצד צריך להיראות המבנה הפיזי שיגרום לכך. עד כה, פתרון הבעיה דרש סימולציות ממושכות שנמשכו לעיתים ימים שלמים.

במסגרת המחקר החדש החוקרים באוניברסיטת תל אביב הצליחו לקצר את התהליך באופן דרמטי באמצעות מודל דיפוזיה – סוג מתקדם של רשת עצבית גנרטיבית (Generative AI), הדומה למודלים היוצרים תמונות, אך כאן הוא משמש לעיצוב מבנים אופטיים זעירים.

החוקרים יצרו מאגר עצום של דוגמאות הממפות בין מבנה של מטא-משטח לבין דפוס פיזור האור שהוא יוצר. המודל למד את הקשרים המורכבים הללו, ולאחר מכן הצליח לייצר עיצובים חדשים בזמן שיא – פחות מ־30 דקות – וברמת דיוק גבוהה מאוד.

החוקרים הדגימו את יעילות השיטה על מגוון משימות אופטיות, בהן עיצוב מטא-משטח המפצל קרן אור למספר כיוונים שווים, וכן רכיב שמפריד בין אור מקוטב אופקית לאור מקוטב אנכית – פונקציה חשובה במערכות אופטיות מתקדמות.

מעבר לכך, השיטה שפותחה גמישה וניתנת להתאמה למשימות חדשות, סוגי חומרים שונים ותנאים פיזיקליים מגוונים – הודות למנגנון ייחודי לבניית מערכי נתונים באיכות גבוהה לאימון המודל. לדברי החוקרים, השיטה החדשה ממחישה כיצד בינה מלאכותית גנרטיבית – טכנולוגיה המזוהה בעיקר עם יצירת אמנות ותמונות – יכולה להפוך לכלי מדעי והנדסי עוצמתי. בעתיד, גישות מסוג זה עשויות לאפשר עיצוב בזמן אמת של עדשות וחיישנים בהתאמה אישית, לייעל את תהליכי הייצור, ולתרום לפיתוח טכנולוגיות חדשות בתחומי הרפואה, התקשורת והאלקטרוניקה הלבישה.

הפוסט קפיצת מדרגה באופטיקה: בינה מלאכותית מאיצה תכנון מטא-משטחים זעירים הופיע לראשונה ב-Chiportal.

מה אם בינה מלאכותית לא רק הייתה אומרת מה המהלך הנכון, אלא גם הייתה מסבירה למה הוא הנכון, כאילו היה מדובר במאמן אנושי? פריצת דרך טכנולוגית שהוצגה בסוף השבוע בטורניר השחמט של אוניברסיטת אלמה מאטר, הראתה בדיוק את זאת: סוכן AI בשם ShashGuru, המשמש כשותף אסטרטגי המסוגל לנהל דיאלוג ולהפוך ניתוח מורכב ברמה של רב-אמן לשיחה נגישה וקלה להבנה.

הפרויקט הזה הוא הרבה יותר מכלי לשחמטאים. הוא מהווה הדגמה לאחד הכיוונים המעניינים ביותר בעולם ה-AI: המעבר מכלים מבוססי פקודות ל"סוכנים" (Agents) המסוגלים לשתף פעולה, להסביר את עצמם ולשמש כעוזרים אישיים בתחומים מורכבים. ShashGuru משלב בין יכולת הניתוח של מנוע שחמט (מבוסס Stockfish) לבין יכולות השיחה הטבעיות של מודל שפה (מבוסס Llama-3.1 של מטא). התוצאה היא לא רק כלי שמצביע על טעויות, אלא מאמן וירטואלי שמסייע לשחקנים להבין את ההיגיון האסטרטגי מאחורי כל מהלך.

השלב הבא באבולוציה של AI: מנתונים להבנה

"עד היום, מנועי שחמט היו כמו מחשבון-על: נותנים לך את התשובה הנכונה, אבל לא מסבירים את הדרך," מסביר אלסנדרו ליברלסו, מפתח הפרויקט. "כאן אנחנו מציגים פרדיגמה חדשה. השחקנים יכולים לשאול 'למה המהלך הזה עדיף?' או 'מה הייתה החולשה באסטרטגיה שלי?', ולקבל תשובה מנומקת בשפה טבעית. זה הופך את ה-AI מכלי חישובי לשותף ללמידה."

הטכנולוגיה אינה מיועדת רק לשחקנים מקצועיים. במהלך הטורניר, גם צופים מהקהל הרחב יכלו "לשוחח" עם ה-AI דרך אתר האינטרנט, ושאלו שאלות על המשחק בזמן אמת. בכך, הפרויקט הנגיש תחום שנחשב אליטיסטי ומדגים כיצד AI יכול לשמש כגשר להבנת נושאים מורכבים עבור הדיוטות.

הכוח לעבד מקומית: המפתח לחוויה אינטראקטיבית

אחד ההיבטים המרכזיים המאפשרים חוויה נטולת השהיות הוא היכולת להריץ את הניתוח הזה באופן מקומי על המחשב האישי, ללא תלות קבועה בענן. "כדי ששיחה עם AI תרגיש טבעית, התגובה חייבת להיות מיידית," אומר אלסנדרו פאלה, מהנדס בכיר וחוקר AI באינטל. "הודות לכוח העיבוד של מעבדי Intel Core Ultra, המצוידים ביחידות NPU, ניתן לבצע את החישובים הכבדים ישירות על המחשב של המשתמש. זוהי דוגמה מצוינת למגמת ה-AI PC, שבה יכולות בינה מלאכותית מתקדמות הופכות לזמינות אישית, מאובטחת ומהירה יותר."

הפוסט ה-AI למד לדבר שחמט הופיע לראשונה ב-Chiportal.

מאת: אדם שמוס, מייסד ומנכ"ל TimeVerse, מומחה ב-AI Scheduling

שיחה טלפונית עם מוקדן בשרות לקוחות נתפסת כיום כפעולה אנכרוניסטית ששמורה לקשישים מאותגרי טכנולוגיה. אנחנו נעשה כל מאמץ להמנע מהחוויה הלא נעימה שכרוכה במענה קולי שמצריך אינסוף הקשות על תפריטים, תהליך הזדהות מסורבל ורשימות המתנה ארוכות, שנמשכות לעיתים עמוק אל יום העבודה הבא. 

כל זה צפוי להשתנות. פריצות הדרך האחרונות במודלי שפה גדולים ובבינה מלאכותית הפכו את יכולות זיהוי הקול והדיבור למדויקים ונגישים. זה לא טרנד חולף, אלא תחילת מהפכת 'סוכני הקול' שתשנה את עולם שרות הלקוחות שמוכר לנו. הסוכן החדש יודע להקשיב ולדבר כמו אדם אמיתי, לקבל החלטות ולבצע משימות באופן עצמאי באינטרקציה עם מערכות אחרות. הטכנולוגיה הזו לוקחת את המילים המדוברות, עם ההקשר והניואנסים העדינים, ומגיבה עם דיבור שנשמע טבעי בזמן אמת.

רבים בודאי מגחכים בינם לבין עצמם. כולנו מכירים טעויות מביכות של AI בטקסטים, תמונות וסרטונים, שחלקם זכו לחשיפה רבה וללעג ברשתות. גם מוקדי שירות הלקוחות שהכניסו לשימוש בוטים בוסריים סיפקו לנו חוויות שליליות בתחום זה, עם לולאות אינסופיות, הפנייה למקומות לא מתאימים או סיום התקשרות בטרם קיבלנו את שרצינו. 

כל אלה הן מחלות ילדות של תחום העתיד. גם האינטרנט בשנותיו הראשונות הזדחל אט אט, המחשבים היו נתקעים והמסכים הראשונים בסלולרי לא מזכירים בשום דרך את מה שאנחנו מחזיקים כיום ביד. 

שיחה קולית עם AI מתקדם צריכה להעשות בשקיפות מלאה ללקוחות, בלי צורך לנסות להסתיר ולהתבייש. מחקרים מגלים, באופן די מפתיע, שבני אדם מרגישים פעמים רבות נוח יותר לדבר עם AI מאשר עם בן אדם. הם מרגישים פתוחים יותר, פועלים מהר יותר ולא חשים נשפטים בשל משפט לא ברור שאמרו או אי הבנה שמצריכה הסבר נוסף. גם תחושת אי הנעימות מגזילת זמנו של איש שרות נעלמת. 

את שעות העבודה המוגבלות תחליף זמינות מלאה 24 שעות ביממה, בלי סופי שבוע וחגים ובלי אתגרים של ניהול כוח אדם ועם מענה מיידי ללא צורך בהמתנה. הבינה המלאכותית אדיבה, סבלנית ואמפתית תמיד. היא לא נהיית עצבנית לפני ארוחת הצהריים או קצרת רוח לאנשים שצריכים תשומת לב וסבלנות רבה יותר. אין לה גם מנהל משמרת שמסמן שהגיע הזמן לסיים את השיחה.

ה-AI מזהה כל מילה וניואנס שאומן עליו ואינו מפספס מסרים או פרטים מסוימים בגלל לחץ או עייפות. הוא יודע לצפות את השאלה הבאה ולהציע במקרים מתאימים התייחסות גם אליה. גם סימנים של תסכול, בלבול או עצבנות של הלקוח יזוהו מיידית ויביאו לשינוי של הטון וההתייחסות בהתאם. הסוכן יכול בחלקיקי שניה למשוך את ההיסטוריה האישית של הפונה וכל מידע רלוונטי אחר משרתי החברה ולעשות בו שימוש, וכמובן ללמוד מהניסיון המצטבר ולהשתפר. תרחישים מורכבים או מקרים שבהם הלקוח ירצה בכך יועברו לטיפול אנושי. עבור החברות מדובר בחיסכון כספי עצום של יותר ממחצית מעלות שרות הלקוחות כיום.

אין למהר ולהספיד את התקשורת הכתובה בווטסאפ ובאפליקציות. כולנו התרגלנו לכתוב יותר ולדבר פחות בטלפון גם עם חברים ובני משפחה. נוח לנו פעמים רבות לבטא את עצמנו במדויק בכתב. אבל כשהילד לא מרגיש טוב ורוצים לבדוק מי הרופא הזמין הקרוב ביותר, אין הרבה סבלנות להקיש על אינספור מקשים או להתמודד עם מנועי חיפוש מורכבים. אנחנו רוצים תשובה טובה כאן ועכשיו.  

טכנולוגית עיבוד שפה טבעית קיימת כבר מספר שנים, אבל עד כה לא היתה בשלה מספיק כדי שנוכל להשתמש בה באופן מעשי בחי היום-יום. המהפכה שאנחנו חווים היא מהירה, אבל גם היא לא תקרה ביום אחד. כמו ברוב המקרים, העברית נמצאת מאחורי האנגלית מבחינת דיוק המודלים והזמינות כך שיש לצפות לפער זמנים של שנה לפחות ביכולת היישומית בשתי השפות, אבל אין לי כל ספק שהשינוי הגדול יגיע ונתרגל אליו במהירות. 

קרדיט: גילי יעקב

א

הפוסט הקאמבק הגדול של השיחה הטלפונית הופיע לראשונה ב-Chiportal.

הכוחות היסודיים שמעצבים את היקום מוסברים בעזרת מודלים תיאורטיים מורכבים. קשה ללמוד אותם. סימולציה מדויקת שלהם גדולה על יכולותיהם של מחשבי-על מסורתיים.

עכשיו מדענים מן האוניברסיטה הטכנית של מינכן (TUM), מאוניברסיטת פרינסטון ומ-Google Quantum AI הראו שמחשבים קוונטיים יכולים להיות כלי עוצמתי לחקירת התחום המאתגר הזה. הם מציעים חלון לדינמיקה של אבני-הבניין הבסיסיות של הטבע.

פרטי המחקר, שפורסמו בכתב העת Nature, מסמנים התקדמות חשובה במחשוב קוונטי. הצוות השתמש ישירות במחשב הקוונטי של גוגל כדי לדמות אינטראקציות יסודיות. העבודה מדגימה את הפוטנציאל של הטכנולוגיה לתגליות עתידיות. הגישה עשויה לעזור לחשוף תובנות עמוקות בפיזיקת חלקיקים, בחומר קוונטי ואף בטבע המרחב והזמן. בלב העבודה עומד היעד להבין טוב יותר את היקום ברמת היסוד, כפי שמתואר במסגרת המתמטית של תיאוריות כיול.

כיתוב תמונה: צוות החוקרים ב-TUM (משמאל): פרופ’ פרנק פולמן, תלמיד המחקר ברנהרד יובסט, פרופ’ מיכאל קנאפּ. קרדיט: TUM

בדיקת חוקי היקום במעבדה

“העבודה שלנו מראה כיצד מחשבים קוונטיים יכולים לעזור לנו לחקור את החוקים היסודיים שמנהלים את היקום,” אומר שותף-המחקר מיכאל קנאפּ, פרופסור לדינמיקה קוונטית קולקטיבית בבית-הספר למדעי הטבע של TUM. “על-ידי סימולציה של האינטראקציות האלה במעבדה נוכל לבחון תיאוריות בדרכים חדשות.”

פדרם רושאן, שותף למחקר מ-Google Quantum AI, מדגיש: “באמצעות כוחו של המעבד הקוונטי חקרנו את הדינמיקה של סוג מסוים של תיאוריית כיול, וצפינו כיצד חלקיקים ו‘מחרוזות’ בלתי-נראות המחברות ביניהם מתפתחים בזמן.”

טיילר קוקרן, המחבר הראשון ותלמיד מחקר בפרינסטון, אומר: “על-ידי כיוונון פרמטרים אפקטיביים במודל יכולנו לשלוט בתכונות המחרוזות. הן יכולות להתנודד בעוצמה, להיות כלואות בחוזקה, ואף להיקרע.” לדבריו, הנתונים מן המעבד הקוונטי חושפים התנהגויות מובהקות של מחרוזות כאלה, שלהן אנלוגים ישירים לפנומנות בפיזיקת אנרגיות-גבוהות. התוצאות מדגישות את הפוטנציאל של מחשבים קוונטיים לקדם גילוי מדעי בפיזיקה היסודית ומעבר לה.

למאמר המדעי

הפוסט מהם חוקי היקום? המחשב הקוונטי של גוגל מגלה הופיע לראשונה ב-Chiportal.

ייצוב מצבים קוונטיים חולפים באמצעות אור

פולסי לייזר יוצרים שינויים אלקטרוניים בחומר מסוג קופראט "סולם", ויוצרים מצבים קוונטיים יציבים שנמשכים פי 1,000 מהרגיל. באמצעות פולסים מותאמים של אור וטכניקות רנטגן מתקדמות, מדענים הצליחו ליצור מצבים קוונטיים ממושכים בחומר תחמוצת נחושת – מצבים שנחשבו עד כה לבני חלוף של טריליונית שנייה בלבד.

הפריצת דרך מאפשרת לאלקטרונים לעבור מנהור ולהילכד בקונפיגורציה חדשה, וחושפת תובנות נדירות על סימטריה אלקטרונית. הממצא פותח פתח לטכנולוגיות מהפכניות כמו התקנים אופטואלקטרוניים ואחסון מידע קוונטי.

גילוי כוחות קוונטיים נסתרים באמצעות אור

חומרים מסוימים מפגינים תכונות קוונטיות יוצאות דופן שעשויות להוביל לדור הבא של טכנולוגיות – ממוליכים יעילים במיוחד ועד סוללות עוצמתיות. אך תכונות אלה נסתרות במצבם הטבעי, ויש לחשוף אותן בעדינות.

שיטה אחת כוללת חשיפה לפולסים קצרים במיוחד של אור, שמסיטים את האינטראקציות בין האטומים והאלקטרונים ומאפשרים לתכונות קוונטיות חבויות להופיע לרגע. אך מצבים אלו נעלמים כמעט מיד – בדרך כלל בתוך טריליונית שנייה – ומקשים מאוד על חקירתם או שימוש מעשי בהם.

במקרים נדירים, מצב כזה מחזיק מעט יותר זמן, אך הסיבות לכך אינן מובנות די הצורך ואין דרך ברורה לשחזר את ההשפעה.

כעת, חוקרים מאוניברסיטת הרווארד וממכון פאול שרר (PSI) בשווייץ הצליחו להאריך את חיי המצב הקוונטי לכמה ננושניות – פי אלף יותר מהרגיל – על ידי כיוון מדויק של הסימטריה האלקטרונית בחומר תחמוצת נחושת. הם עשו זאת באמצעות לייזר הרנטגן החזק SwissFEL, שאיפשר גם לעורר וגם לתעד את ההתנהגות יוצאת הדופן.

סולמות קופראט: מגרש משחקים קוונטי פשוט

התרכובת שנחקרה, Sr14Cu24O41 – סולם קופראט – היא כמעט חד-ממדית, עם שתי יחידות מבניות: סולמות ושרשראות של נחושת וחמצן. המבנה הפשוט מספק פלטפורמה נוחה להבנת תופעות פיזיקליות מורכבות שמתרחשות גם במערכות תלת־ממדיות.

"החומר הזה הוא כמו זבוב הפירות שלנו – מודל אידאלי לחקר תופעות קוונטיות כלליות", אומר הפיזיקאי מתאו מיטראנו מהרווארד, שהוביל את המחקר.

טריק אלקטרוני בלי לשנות את המבנה

כדי לייצב מצב לא־שווי־משקל ממושך, אפשר ללכוד אותו ב"באר אנרגיה" שממנה קשה לו להימלט. אך הדבר עלול לגרום למעבר פאזה – שינוי במבנה המולקולרי של החומר – דבר שהחוקרים ביקשו למנוע.

"ניסינו להבין אם אפשר לייצב מצב כזה רק באמצעות מניפולציות אלקטרוניות," הסביר מיטראנו. וכך הוצע פתרון חלופי.

פיזור רנטגן לא אלסטי בתזמון קצוב (tr-RIXS)

החוקרים הפעילו את טכניקת tr-RIXS בתחנת הקצה Furka של SwissFEL, שם נחשפו התהליכים האלקטרוניים המהירים ביותר שמכתיבים את המצב המטא־יציב.

שבירת סימטריה כדי ללכוד מטען

בתרכובת זו, השרשראות טעונות במטען אלקטרוני בעוד שהסולמות כמעט ריקים. במצב שיווי־משקל, הסימטריה האלקטרונית מונעת תזוזת מטען ביניהן. פולס לייזר מדויק שובר את הסימטריה ופותח מעבר קוונטי מהשרשראות לסולמות.

"זה כמו ברז שנפתח ונסגר," אומר מיטראנו. לאחר שהפולס מסתיים, התעלה בין היחידות נסגרת, והמערכת נלכדת במצב קוונטי ממושך – דבר שמאפשר לחוקרים לחקור את תכונותיו.

תיעוד תנועת האלקטרונים

פולסי רנטגן עזים וקצרים במיוחד מ-SwissFEL תיעדו את היווצרות המצב המטא־יציב. באמצעות tr-RIXS, החוקרים צפו בהתפתחויות מגנטיות, חשמליות ואורביטליות בזמן אמת – דבר שבלתי ניתן להשגה בטכניקות אחרות.

"אנחנו יכולים להתמקד באטומים שמעורבים בקביעת תכונות החומר," מסביר אליה רצולי, ראש תחנת Furka. יכולת זו הייתה חיונית להבנת תנועת האלקטרונים שנגרמה מהאור. "ראינו את התנועה בזמנים האולטרה־מהירים שלה וגילינו את המטא־יציבות," מוסיף הפוסט־דוקטורנט הארי פאדמה.

פריצת דרך לקראת התקני קוונטום

הניסוי, הראשון בתחנת Furka, מספק תובנות חדשניות על הדינמיקה האנרגטית והתנעית של חומרים מעוררים. מאז, התחנה שודרגה לשיפור הרזולוציה של tr-RIXS, והיא מוכנה לחקור עירורים חדשים – כמו תנודות סריג.

"מטרת הניסוי הייתה להציג את סוגי המחקרים האפשריים, וכעת התחנה טובה עוד יותר", מסכם רצולי.

לעבר התקני קוונטום ואחסון מידע

המחקר מהווה קפיצת מדרגה בשליטה על חומרים קוונטיים מחוץ לשיווי משקל. הוא פותח אפשרויות ליצירת חומרים עם פונקציונליות מתכווננת, התקנים אופטואלקטרוניים מהירים במיוחד, וממירי אותות בין חשמל לאור – קריטיים לתקשורת קוונטית ומחשוב פוטוני. כמו כן, הוא מסמן דרך לאחסון נתונים לא נדיף במצבים קוונטיים שנשלטים באמצעות אור.

למאמר המדעיhttps://www.nature.com/articles/s41563-025-02254-2

הפוסט הקפאת זמן קוונטית: לייזרים מקבעים מצבים קוונטיים פי אלף יותר זמן הופיע לראשונה ב-Chiportal.