תא עצב יחיד בקליפת המוח האנושית עשוי לבצע חישובים מורכבים בהרבה מן הפעולה הפשוטה של חיבור אותות והפקת תגובת "כן או לא". כך עולה ממחקר של חוקרים מהאוניברסיטה העברית ומאוניברסיטת אמסטרדם, שהשתמשו ברשתות עצביות מלאכותיות כדי למדוד את המורכבות החישובית של נוירונים ביולוגיים.

במקום לבדוק רק את מספר הקשרים של כל תא או את המבנה הפיזי שלו, החוקרים שאלו עד כמה קשה לרשת עצבית מלאכותית ללמוד לחקות את הקשר בין הקלט שמקבל תא העצב לבין התגובה החשמלית שהוא מפיק. ככל שנדרשה רשת מלאכותית עמוקה ומורכבת יותר כדי לחקות את התא, כך הוערכה המורכבות החישובית של הנוירון כגבוהה יותר.

המחקר נערך בידי עידו אייזנבוד, דניאלה יואלי ודוד בניאגייב, בהנחיית פרופ' מיקי לונדון ופרופ' עידן שגב מהמרכז למדעי המוח על שם אדמונד ולילי ספרא באוניברסיטה העברית. במחקר השתתף גם פרופ' כריסטיאן דה קוק מהאוניברסיטה החופשית של אמסטרדם. הוא פורסם בכתב העת PNAS.

"אנשים נוטים לחשוב על נוירון כעל מתג פשוט שנדלק או כבה", אמר פרופ' שגב. "מה שאנחנו מראים הוא שתא עצב אנושי יחיד הוא בעצמו התקן חישובי מתוחכם להפליא".

הנוירון אינו רק שער לוגי

היחידות הבסיסיות ברוב הרשתות העצביות המלאכותיות פשוטות יחסית: הן מקבלות מספר ערכי קלט, מכפילות אותם במשקלים, מחברות את התוצאות ומעבירות את הפלט לשכבה הבאה.

תא עצב ביולוגי פועל בצורה מורכבת יותר. הוא מקבל אלפי אותות באמצעות סינפסות המפוזרות לאורך דנדריטים – שלוחות מסועפות היוצאות מגוף התא. התוצאה אינה נקבעת רק לפי עוצמת האותות, אלא גם לפי מיקומם, העיתוי שבו הגיעו, הצירוף ביניהם והתכונות החשמליות של הענפים השונים.

אותות המגיעים יחד לענף דנדריטי אחד יכולים להפיק תגובה שונה מאותם אותות כשהם מגיעים לאזורים שונים בתא. כתוצאה מכך, עיבוד משמעותי של המידע מתרחש עוד לפני שהאות מגיע לגוף התא ולנקודה שבה הנוירון מחליט אם להפיק דחף חשמלי.

החוקרים יצרו מודלים מפורטים של תאי עצב, הזינו אותם בדפוסים שונים של פעילות סינפטית ואספו את תגובותיהם. לאחר מכן אומנו רשתות מלאכותיות לשמש "תאום חישובי" של כל תא ולחזות את הפלט שלו.

הממצאים הראו כי כדי לחקות נוירונים אנושיים בקליפת המוח נדרשו רשתות עמוקות יותר מאלה שנדרשו לחיקוי נוירונים של יונקים אחרים שנבדקו. החוקרים מייחסים את היתרון למבנה הדנדריטי המסועף ולתגובות הלא־ליניאריות של הסינפסות.

השראה לארכיטקטורות AI חדשות

לתוצאות עשויה להיות משמעות לפיתוח מערכות בינה מלאכותית וחומרה נוירומורפית. כיום, חלק ניכר מהשיפור במודלי AI מושג באמצעות הוספת שכבות, יחידות חישוב, זיכרון והספק. המחקר מציע כיוון משלים: שימוש ביחידות עיבוד בסיסיות מורכבות יותר.

במקום לבנות מערכת ממספר גדול מאוד של יחידות פשוטות, ייתכן שבעתיד ניתן יהיה לפתח רכיבים מלאכותיים המבצעים עיבוד פנימי רב־שלבי, בדומה לאופן שבו ענפי הדנדריטים מסננים ומשלבים אותות.

גישה כזאת עשויה להיות רלוונטית במיוחד לשבבים נוירומורפיים, שמטרתם לבצע עיבוד מקבילי וחסכוני באנרגיה באמצעות חיקוי עקרונות פעולה של מערכת העצבים. בחומרה כזאת, כל יחידת עיבוד יכולה לכלול מנגנונים מורכבים יותר של זיכרון מקומי, שילוב אותות וחישוב לא־ליניארי.

עם זאת, הגדלת מורכבותה של כל יחידה אינה מבטיחה שיפור אוטומטי. יחידות מורכבות יותר עלולות לדרוש שטח סיליקון גדול יותר, תכנון מסובך ואלגוריתמי אימון חדשים. יהיה צורך לבדוק האם העברת חלק מן החישוב אל תוך "הנוירון המלאכותי" מפחיתה את מספר היחידות והשכבות הדרושות ומספקת יתרון בצריכת אנרגיה או בהשהיה.

לא רשת עצבית בתוך תא

ההשוואה לרשת עצבית עמוקה אינה אומרת שבתוך כל תא עצב קיימת רשת מלאכותית זעירה. הרשת שימשה ככלי מתמטי למדידת הקושי לחקות את התנהגות התא.

גם הטענה כי תא עצב יחיד הוא "סוד האינטליגנציה האנושית" דורשת זהירות. המחקר אינו מודד אינטליגנציה ואינו מוכיח שתא יחיד מסוגל לבצע משימות קוגניטיביות כמו זיהוי תמונה, הבנת שפה או פתרון בעיות.

המשמעות היא שהרכיב הבסיסי שממנו בנויה רשת המוח מורכב יותר מן היחידה המלאכותית המקובלת. האינטליגנציה האנושית נוצרת מפעילות משולבת של מיליארדי תאים, אך כל אחד מהם עשוי לבצע עיבוד מקומי משמעותי לפני העברת המידע הלאה.

המסגרת שפיתחו החוקרים עשויה לשמש בעתיד להשוואה בין סוגי נוירונים, אזורי מוח ומינים שונים, וכן לבחינת שינויים בתפקוד התאים במחלות נוירולוגיות. עבור תעשיית המחשוב, המחקר מספק נקודת מבט נוספת על הפער שבין רשתות AI מודרניות לבין המערכת הביולוגית שממנה שאבו את שמן.

מקור: Dendritic morphology and synaptic nonlinearities enhance functional complexity in human cortical neurons – PNAS

הפוסט מחקר ישראלי: תא עצב אנושי יחיד מורכב כמו רשת עצבית עמוקה הופיע לראשונה ב-Chiportal.

חוקרים מהאוניברסיטה העברית פיתחו מערכת גנטית המאפשרת לתאים אנושיים לבצע פעולות לוגיות מורכבות, לעבד כמה אותות במקביל ולהפעיל תגובה בהתאם לתוכנית שנקבעה מראש. המערכת אינה מחשב אלקטרוני במובן המקובל, אך היא מממשת בתוך התא עקרונות בסיסיים של חישוב דיגיטלי באמצעות רכיבים ביולוגיים.

המחקר, שהתפרסם בכתב העת Nature Communications, נערך בידי הדוקטורנטית קרן רואס וד"ר ליאור ניסים. החוקרים תכננו מערכות גנטיות מלאכותיות המסוגלות לקלוט מידע מסביבת התא, לבצע עליו חישובים ולהפעיל גנים בהתאם לתוצאה.

הפיתוח משתייך לתחום המחשוב הביולוגי והביולוגיה הסינתטית, המבקשים להשתמש ב־DNA, ב־RNA ובמנגנוני התא כרכיבי עיבוד, זיכרון ובקרה. בניגוד לשבב סיליקון, שבו האותות הם מתחים וזרמים חשמליים, כאן המידע מיוצג באמצעות מולקולות, ביטוי גנים ותגובות כימיות.

צמצום מספר שכבות החישוב

אחד הקשיים המרכזיים בבניית מעגלים גנטיים מורכבים הוא הירידה באמינות ככל שמוסיפים שלבי חישוב. במערכות קודמות, כל פעולה נוספת חייבה לעיתים שכבת בקרה נוספת, וככל שמספר השכבות גדל האות נחלש, זמן התגובה התארך ושיעור השגיאות עלה.

לדברי ד"ר ניסים, השיטה החדשה מאפשרת לתאים לבצע תוכניות מורכבות תוך שימוש במספר קטן יותר של חישובים ורכיבים גנטיים. צמצום עומק המעגל הביולוגי עשוי לשפר את האמינות ולאפשר בניית מערכות מורכבות בלי לאבד פונקציונליות.

המערכת מבוססת על תהליך הנקרא שחבור RNA בהצלבה, RNA trans-splicing. בתהליך זה מתחברים בתוך התא מקטעים נפרדים של RNA ויוצרים מסר גנטי פעיל. החוקרים שילבו את מנגנון השחבור עם רכיבי בקרה טבעיים ומלאכותיים שתוכננו מראש.

באמצעות שילוב זה ניתן לעבד כמה אותות בעת ובעונה אחת, ולא רק להעביר אותם בשורה של שלבים עוקבים. מבחינה ארכיטקטונית, מדובר במעבר לעיבוד מקבילי יותר, המפחית את מספר שכבות החישוב הדרושות.

מחבר מלא ומרבב ביולוגיים

כדי להדגים את יכולות המערכת בנו החוקרים התקנים ביולוגיים המקבילים לרכיבים מוכרים מעולם האלקטרוניקה הדיגיטלית.

הראשון היה מחבר מלא, Full Adder, רכיב בסיסי במעבדים המבצע חיבור בינארי ומתחשב גם בסיבית נשיאה. בגרסה הביולוגית, הקלטים אינם ביטים חשמליים אלא אותות מולקולריים, והפלט מתקבל באמצעות הפעלת גנים וייצור חלבונים.

הרכיב השני היה מרבב, Multiplexer, הבוחר ערוץ אחד מתוך כמה ערוצים אפשריים ומעביר אותו הלאה בהתאם לאות בקרה. גם כאן, פעולת הבחירה מתבצעת באמצעות מנגנונים גנטיים בתוך התא.

החוקרים עקבו אחר תוצאות החישוב באמצעות חלבונים פלואורסצנטיים הזוהרים בצבעים שונים. כל צבע ייצג מסלול גנטי אחר שאותו הפעיל התא.

המערכת כללה גם מנגנון לאיתור תצורות שגויות או עומס. כאשר זוהה מצב לא תקין, התא ייצר אות התרעה. מבחינת תכנון מערכות, מדובר בשכבת ניטור ובטיחות שעשויה להיות חשובה במיוחד ביישומים רפואיים.

מתאי חישוב לתאים טיפוליים

היישום האפשרי המרכזי אינו החלפת מעבדי סיליקון, אלא פיתוח תאים מתוכנתים המסוגלים לקבל החלטות בתוך הגוף.

תא טיפולי כזה יוכל לעקוב אחר כמה סמנים ביולוגיים בו־זמנית ולהפעיל תגובה רק כאשר מתקיים צירוף מדויק של תנאים. לדוגמה, תא יוכל לזהות כמה אותות המאפיינים גידול סרטני, אך להימנע מפעולה כאשר רק אחד מהם מופיע גם ברקמה בריאה.

כהדגמה תכנתו החוקרים תאים לייצר אינטרלוקין 15, IL-15, חלבון איתות של מערכת החיסון שיכול לעודד פעילות של תאים המשתתפים בתגובה נגד גידולים.

המערכת עדיין נמצאת בשלב ניסויי. לפני שימוש רפואי יהיה צורך לבחון את יציבותה לאורך זמן, את שיעור השגיאות, את תגובתה בתנאים ביולוגיים מורכבים ואת יכולתה למנוע הפעלה לא רצויה.

עם זאת, המחקר מדגים כיצד ניתן ליישם עקרונות של ארכיטקטורת מחשבים בתוך תאים חיים: קלט מרובה, עיבוד מקבילי, רכיבים לוגיים, בחירת מסלול, פלט ומנגנון התרעה.

הפיתוח אינו מצביע על מחשב ביולוגי שיתחרה במעבדים רגילים במהירות החישוב, אלא על פלטפורמה אחרת לגמרי — מערכת חישובית הפועלת בתוך התא, קוראת את סביבתו הביוכימית ומפעילה תגובה ישירות במקום שבו היא נדרשת.

הפוסט חוקרים מהאוניברסיטה העברית בנו „מחשב ביולוגי” בתוך תאים אנושיים הופיע לראשונה ב-Chiportal.

במכון להנדסת חשמל ופיזיקה יישומית באוניברסיטה העברית יקיים ביום ראשון ושני הקרובים האקתון VLSI, הממוקד בתכנון שבבים ובפיתוח חומרה להאצת חישובים. את האירוע מוביל פרופ' פרדי גבאי, חבר סגל המכון. זו השנה השנייה שבה מתקיים ההאקתון, שנועד לחשוף סטודנטים באופן מעשי לאחד התחומים המבוקשים בתעשיית השבבים: תכנון משולב חומרה־תוכנה.

בהאקתון ישתתפו כ-60 סטודנטים, שיתחלקו ל-30 צוותים. המשתתפים הם סטודנטים משנים ג' וד' ותלמידי תואר שני. במהלך 24 שעות הם יקבלו סביבת עבודה מבוססת FPGA, הכוללת מעבד RISC-V פתוח, ויידרשו לזהות רכיבים קריטיים באלגוריתם נתון — למשל ברשת נוירונים או בחישוב קריפטוגרפי — ולהעביר אותם למימוש חומרתי כמאיץ ייעודי.

האתגר אינו מסתכם בהשגת תוצאה עובדת. הצוותים ייבחנו גם לפי זמן הריצה, יעילות צריכת ההספק, ניצול שטח ה-FPGA, רמת היצירתיות ואיכות הפתרון ההנדסי. בכך מדמה ההאקתון, בקנה מידה לימודי, את המתח הקיים בתכנון שבבים אמיתי: הרצון לשפר ביצועים, תוך עמידה באילוצי שטח, הספק ולוחות זמנים.

לקראת ההאקתון התקיימו כמה מפגשי הכנה, שבהם הסטודנטים הכירו את סביבת העבודה, כלי הפיתוח, עקרונות תכנון המאיצים ושלבי התכנון. ההאקתון מוכר גם כקורס אקדמי בהיקף של שתי נקודות זכות, משום שהוא משלב כמה תחומים הנלמדים בדרך כלל בנפרד: ארכיטקטורת מחשבים, תכנון ב-Verilog, וריפיקציה, סינתזה ותכנון פיזיקלי.

לצד ההיבט האקדמי, האירוע נועד גם לחזק את הקשר בין האוניברסיטה לתעשייה. חברות ובהן אנבידיה, גוגל, AWS, אינטל וטוגה משתתפות כנותנות חסות וכמנטוריות, ונציגיהן ילוו את הסטודנטים במהלך העבודה. עבור הסטודנטים זו הזדמנות להתנסות בפתרון בעיה הנדסית תחת לחץ זמן; עבור התעשייה זו דרך להיחשף לכישרונות צעירים בתחום שבו קיים מחסור מתמשך במהנדסים מנוסים.

לדברי גבאי, החשיבות המרכזית של ההאקתון היא בכך שהוא מחבר בין הידע התאורטי שנלמד בקורסים לבין חוויית תכנון מלאה, שבה הסטודנטים צריכים לקבל החלטות הנדסיות, לעבוד בצוות ולהתמודד עם מגבלות מערכת אמיתיות. נתוני ההאקתון הקודם מצביעים על השפעה חיובית: 80% מהסטודנטים דיווחו כי ההשתתפות הגבירה את העניין שלהם ב-VLSI, וכמעט 90% המליצו לחבריהם להשתתף באירועים דומים בעתיד. ממצאי הפעילות הקודמת אף הוצגו במאמר בכנס ISCAS, אחד הכנסים המרכזיים בתחום המעגלים והמערכות.

ההאקתון משקף מגמה רחבה יותר באקדמיה להנדסה: מעבר מהוראה המבוססת רק על הרצאות ותרגילים ללמידה מבוססת פרויקטים. בתחום תכנון השבבים, שבו ההפרדה בין תוכנה, חומרה ותכנון פיזיקלי הולכת ומיטשטשת, התנסות כזו עשויה להיות מרכיב חשוב בהכשרת הדור הבא של המהנדסים.

הפוסט האקתון VLSI באוניברסיטה העברית: הסטודנטים יתכננו מאיצי חישוב על FPGA הופיע לראשונה ב-Chiportal.

וייטנאם וישראל בוחנות הרחבת שיתופי פעולה בתחום הטכנולוגיות הקוונטיות, בעקבות ביקור שערך שגריר וייטנאם בישראל, נגויין קי סון, בחברת Qarakal Quantum הישראלית. הביקור התמקד במחשוב קוונטי, בפיתוח תשתיות מחקר ובאפשרויות לשיתופי פעולה בין אוניברסיטאות, מכוני מחקר וחברות טכנולוגיה משתי המדינות.

במהלך הביקור נפגש השגריר עם מנכ"ל Qarakal Quantum, ד"ר ניסן משכיל, עם סמנכ"ל הטכנולוגיות פרופ' נדב כץ, ועם צוות המדענים והמהנדסים של החברה. בפגישה השתתפה גם אנה פליוורט, סגנית נשיא יישום, חברת מסחור הידע של האוניברסיטה העברית בירושלים.

נציגי Qarakal Quantum והאוניברסיטה העברית הציגו בפני המשלחת הווייטנאמית התפתחויות עדכניות בתחום המחשוב הקוונטי, וכן יישומים אפשריים של טכנולוגיות קוונטיות במדע, בתעשייה, בביטחון ובחדשנות. המשלחת סיירה במעבדות מחקר ובמתקני קירור על־מוליכים מתקדמים, וקיבלה סקירה על ארכיטקטורות ואלגוריתמים קוונטיים מהדור הבא.

עניין וייטנאמי בטכנולוגיות עומק

במהלך הביקור הוצג למשלחת גם המחשב הקוונטי הראשון בישראל המבוסס על פיתוח מקומי, מערכת בת 20 קיוביטים שפותחה באוניברסיטה העברית בשיתוף רשות החדשנות, התעשייה האווירית, האוניברסיטה ויישום. מערכת כזו היא תשתית מחקרית חשובה: היא אינה מיועדת עדיין להחליף מחשבי־על קלאסיים, אך היא מאפשרת לבחון רכיבי חומרה, שיטות בקרה, תיקון שגיאות ואלגוריתמים קוונטיים בסביבה ישראלית עצמאית.

השגריר סון הציג את סדר העדיפויות של וייטנאם במדע, חדשנות וטרנספורמציה דיגיטלית. לדבריו, וייטנאם מבקשת להשקיע בטכנולוגיות אסטרטגיות שיכולות לשפר פריון, לחזק את התחרותיות ולתמוך בביטחון הלאומי. בין התחומים שהוזכרו: בינה מלאכותית, שבבים, טכנולוגיות קוונטיות, ביוטכנולוגיה ותחומים מתקדמים נוספים.

לדבריו, וייטנאם עוקבת מקרוב אחר התקדמות המחקר הקוונטי בעולם, ובונה בהדרגה יכולות מקומיות באמצעות השקעה בכוח אדם איכותי, הרחבת מחקר בסיסי וחיזוק הקשר בין אוניברסיטאות, מכוני מחקר וחברות טכנולוגיה.

הזדמנות לשיתוף פעולה ישראלי־וייטנאמי

הביקור משתלב במגמה רחבה יותר שבה מדינות אסיה מחפשות גישה לטכנולוגיות עומק, ובהן מחשוב קוונטי, שבבים ובינה מלאכותית. עבור ישראל, מדובר בהזדמנות לחזק קשרים עם שווקים מתפתחים בעלי עניין גובר במחקר יישומי ובתשתיות חדשנות. עבור וייטנאם, שיתוף פעולה עם חברות ומוסדות מחקר ישראליים עשוי לתרום להכשרת כוח אדם, לפרויקטים מחקריים משותפים ולהעברת ידע בתחומים שעדיין נמצאים בשלבי בנייה במדינה.

השגריר שיבח את הישגי ישראל בהייטק ובמחשוב קוונטי, וקרא להעמקת הקשרים בין מוסדות אקדמיים, מרכזי מחקר וחברות טכנולוגיה בשתי המדינות. לפי הדיווח, הביקור צפוי לייצר תנופה לשיתופי פעולה רחבים יותר בין ישראל לוייטנאם בטכנולוגיות מתקדמות, כחלק מיעדי וייטנאם ארוכי הטווח במדע, חדשנות וטרנספורמציה דיגיטלית.

הפוסט וייטנאם וישראל בוחנות שיתוף פעולה בתחום המחשוב הקוונטי הופיע לראשונה ב-Chiportal.

מכון קמפנר לחקר הבינה הטבעית והמלאכותית באוניברסיטת הרווארד והמרכז למדעי המוח על שם אדמונד ולילי ספרא, ELSC, באוניברסיטה העברית בירושלים, הודיעו על שיתוף פעולה חדש בתחום NeuroAI. זהו תחום מחקר מתפתח המחבר בין  מדעי המוח, בינה מלאכותית, מדעי הקוגניציה ולמידת מכונה.

שיתוף הפעולה נועד לחזק את הקשרים בין קהילות המחקר בשני המוסדות. הוא יכלול חילופי ידע בין חברי סגל וחוקרים צעירים, סדנאות, מפגשים אקדמיים ופעילויות משותפות נוספות. מטרת המהלך היא להניח תשתית ליוזמות מחקר עתידיות, שיבחנו כיצד מערכות ביולוגיות ומערכות מלאכותיות לומדות, מייצגות מידע, חוזות אירועים ומתאימות את התנהגותן לסביבות מורכבות.

תחום NeuroAI מבקש להבין אינטליגנציה על פני רצף רחב של מערכות, מהמוח האנושי ומוחות בעלי חיים ועד מודלים חישוביים ומערכות בינה מלאכותית. מצד אחד, חוקרים משתמשים בכלי AI מתקדמים כדי לפענח כיצד המוח לומד, מחשב ומסתגל. מצד אחר, הם שואבים השראה ממערכות ביולוגיות כדי לפתח מערכות AI יעילות, יציבות ואמינות יותר.

מכון קמפנר בהרווארד הוא מכון בין־תחומי העוסק בחקר אינטליגנציה במערכות טבעיות ומלאכותיות, ומאגד חוקרים בתחומים כמו למידת מכונה, מדעי המוח ומדעי הקוגניציה. לפי אתר המכון, משימתו המרכזית היא לקדם את חקר האינטליגנציה ולפתח פתרונות לבעיות מורכבות לטובת האנושות. (Kempner Institute)

המרכז למדעי המוח על שם אדמונד ולילי ספרא באוניברסיטה העברית הוא אחד המרכזים הבולטים בישראל למדעי המוח החישוביים. לפי אתר המרכז, ELSC פועל לחיבור בין מחקר קוגניטיבי, ביולוגי וחישובי, במטרה לקדם תגליות חדשות בחקר המוח. (elsc.huji.ac.il)

שיתוף הפעולה החדש נשען גם על קשרים קיימים בין החוקרים בשני המוסדות. בין הדמויות המחברות בין הקהילות נמצא פרופ' חיים סומפולינסקי, חבר סגל עמית במכון קמפנר ופרופסור אמריטוס ב־ELSC; פרופ' דפנה ויינשל מהאוניברסיטה העברית, המשמשת חוקרת אורחת במכון קמפנר; וד"ר יונתן קדמון מ־ELSC, שהיה בעבר חוקר אורח בהרווארד.

המהלך משקף מגמה רחבה יותר במדעי המוח ובבינה מלאכותית: מעבר ממחקר נפרד של מוח ומחשב אל חקר משותף של עקרונות אינטליגנציה. בתחום זה, הבנת המוח עשויה לסייע בבניית מערכות AI טובות יותר, ואילו כלי בינה מלאכותית עשויים לספק למדענים דרכים חדשות לנתח פעילות מוחית ולפענח מנגנוני למידה, זיכרון וקבלת החלטות.

בהודעה על שיתוף הפעולה נמסר כי שני המוסדות רואים בו צעד לקידום  מדע האינטליגנציה ולתרגום תובנות בסיסיות מביולוגיה ומחישוב לטכנולוגיות עתידיות. עבור האוניברסיטה העברית, החיבור להרווארד בתחום NeuroAI מחזק את מעמדה בזירה הבין־לאומית של מדעי המוח החישוביים והבינה המלאכותית.

הפוסט הרווארד והאוניברסיטה העברית ישתפו פעולה במחקר NeuroAI הופיע לראשונה ב-Chiportal.

פרופ' פרדי גבאי, חבר סגל במכון להנדסת חשמל ופיזיקה יישומית באוניברסיטה העברית, יציג בכנס ChipEx2026 בתל אביב עבודה מחקרית העוסקת בשילוב בינה מלאכותית בתוך תהליך תכנון השבבים. גבאי הגיע לאקדמיה לאחר 27 שנים בתעשייה, בעיקר בתחום השבבים. רוב שנותיו בתעשייה עברו עליו במלנוקס (כיום Nvidia), שבה היה חלק מהצוותים הראשונים של החברה. בתפקידו האחרון שימש סמנכ"ל פיתוח שבבים וסמנכ"ל  Back-End. בשנתיים האחרונות הוא חוקר באוניברסיטה העברית, ובשנה האחרונה הקים בה את  VLSI Systems Research Lab  – מעבדה לפיתוח ולמחקר מערכות  VLSI.

המעבדה, שאותה מוביל גבאי יחד עם שרית שוימר, בכירה לשעבר באינטל עם 27 שנות ניסיון בתעשייה וכיום מנהלת המעבדה ושותפה למחקר, מונה כיום כעשרה סטודנטים לתואר שני ושלישי. תחומי המחקר שלה משקפים את המעבר של תעשיית השבבים לעידן שבו הביצועים לבדם אינם מספיקים. המעבדה עוסקת בארכיטקטורות מחשב, מאיצים חישוביים ל-Generative AI ול-Agentic AI, תכנון פיזי של שבבים, אמינות, הזדקנות טרנזיסטורים וכלים מבוססי AI שמטרתם לסייע למהנדסים בשלבי התכנון והאימות.

לדברי פרופ' גבאי, אחד מכיווני המחקר המרכזיים במעבדה הוא חישובים מקורבים (approximate computing). במקום לבצע כל פעולת כפל מטריצות בדיוק מלא, החוקרים מנצלים את העובדה שמודלי AI רבים עמידים לרעש ולשגיאות קטנות. גישה זו יכולה לחסוך שטח סיליקון, להאיץ ביצועים ולהפחית צריכת אנרגיה, תוך פגיעה קטנה יחסית בדיוק המודל. כיוון נוסף עוסק בהתמודדות עם “קיר הזיכרון” – צוואר הבקבוק שנוצר כאשר הגישה לזיכרון נעשית יקרה בהרבה מהחישוב עצמו מבחינת זמן ואנרגיה. כאן בוחנת המעבדה שימוש בדחיסה מאבדת מידע, שמקטינה את נפח הנתונים הנשמרים בזיכרון ואת רוחב הפס הנדרש לגישה אליהם.

העבודה שתוצג ב ChipEx2026 -אשר נעשתה יחד עם הסטודנטים עידו פרחומובסקי, מוחמד עומרי ואיתי יונתנוב, מתמקדת באתגר אחר, אך קשור: אמינות שבבים בשלבי התכנון הפיזי. אחת התופעות הקריטיות בשבבים מתקדמים היא Dynamic Voltage Drop – נפילת מתח דינמית בתוך השבב. כאשר אלמנטים לוגיים רבים מתמתגים בו־זמנית, הם מושכים זרם מרשת האספקה של השבב. מכיוון שברשת האספקה ובאריזת השבב קיימות התנגדות והשראות, משיכת הזרם גורמת לנפילת מתח מקומית. ירידה זו אינה משפיעה רק על התא הלוגי שמתמתג, אלא גם על סביבתו, ועלולה לגרום להאטה בתזמון, לשגיאות חישבויות ולבעיות אמינות.

בתהליכי הפיתוח המקובלים, בעיות מסוג זה נבדקות באמצעות סימולציות כבדות בכלי  EDA. אלה כלים מדויקים, אך הרצתם עשויה להימשך ימים ואף שבועות. בעיה נוספת היא שהתהליך מתבצע לעיתים בשלבים מאוחרים מאוד, סמוך ל-.tapeout  אם מתגלות בעיות בשלב זה, חלון הזמן לתיקון מצטמצם מאוד, והתיקון עלול להיות יקר ומורכב.

הפתרון שמציגים גבאי והסטודנטים במעבדתו הוא מודל מבוסס AI, שאומן על בסיס מערך נתונים גדול ונועד לזהות מוקדם אזורים בעייתיים מבחינת נפילות מתח דינמיות. לדברי גבאי, לאחר שלב האימון זמן הריצה של המודל מהיר פי 25 אלף לעומת הרצה מלאה בכלי סימולציה סטנדרטי, והדיוק שלו מגיע לכ-94%. המודל אינו מחליף את כלי ה- EDA ואינו מבטל את הצורך בסימולציות סופיות, אך הוא מאפשר למהנדסים לאתר מוקדם את הבעיות המרכזיות, למקד את הריצות הכבדות ולהקטין את הסיכון להפתעות בשלב ה- sign-off.

סיוע למהנדס, לא החלפתו

גבאי מתאר את הגישה הזו כ-AI Core Pilots –  טייסי משנה מבוססי בינה מלאכותית לכלי EDA . הדגש הוא על סיוע למהנדס, לא על החלפתו. בעולם שבו תכנון שבב מתקדם מייצר כמויות עצומות של לוגים, סימולציות ונתוני תכנון, חלק מהמידע הזה יכול להפוך לחומר גלם לאימון מודלים פנימיים. חברות שבבים, לדבריו, אינן חייבות להמתין עד שכל היכולות האלה ישולבו בכלים המסחריים. הן יכולות לפתח כבר כיום יכולות פנימיות, מבוקרות וממוקדות, שיזהו מוקדם בעיות חוזרות ויקצרו תהליכי פיתוח.

עם זאת, כניסת AI לתהליך תכנון השבבים אינה מפחיתה את הצורך במהנדסים בעלי עומק מקצועי. להפך. כאשר מודל מסמן אזור בעייתי או מציע תיקון, המהנדס חייב להבין אם ההמלצה נכונה, האם היא רלוונטית למבנה השבב ומה המשמעות שלה מבחינת תזמון, שטח, הספק ואמינות. לכן גבאי מדגיש גם את חשיבות האקספלנביליות (Explainable AI) – היכולת של מערכת AI להסביר מדוע סימנה בעיה מסוימת או מדוע המליצה על פעולה מסוימת. בתהליכי תכנון קריטיים, שבהם נדרשים אחריות, בדיקות והוכחת תקינות, כלי AI שאינם ניתנים להסבר יתקשו להשתלב באופן מלא.

הזווית הרחבה יותר של העבודה קשורה גם למקומה של האקדמיה בהכשרת כוח האדם לתעשיית השבבים. לדברי גבאי, תחום השבבים וה-VLSI מתפתח כיום באוניברסיטה העברית בצורה משמעותית. במכון להנדסת חשמל ופיזיקה יישומית לומדים כ-600 סטודנטים לתואר ראשון, ולצידם יותר מ-100 סטודנטים לתארים מתקדמים. המעבדה החדשה מבקשת למצב את עצמה כאחת המעבדות המובילות בארץ בתחום, והיא מקיימת שיתופי פעולה עם מעבדות נוספות בישראל ובעולם.

שיתופי הפעולה עם התעשייה הם חלק מרכזי במודל הפעולה של המעבדה. גבאי מציין כי המעבדה מצוידת בין היתר בטסטר שהתקבל כתרומה מחברת Teradyne וכי מודלי ה-AI שלה רצים על שרת DGX של אנבידיה שניתן למעבדה. נוסף על כך מתקיימים שיתופי פעולה הדוקים עם קיידנס וסינופסיס, הן במחקר והן בהכשרה אקדמית. חברות נוספות המעורבות בשיתופי פעולה או בתמיכה במחקר ובהכשרה כוללות את סמסונג, אינטל, Altera, אפל, RubyEDA וחברות נוספות בתעשייה.

המסר של גבאי לתעשייה הוא שהצורך בכוח אדם עמוק ומיומן רק הולך וגובר. תעשיית השבבים אינה זקוקה רק למהנדסים שמכירים את הכלים, אלא למהנדסים שמבינים את עקרונות התכנון, הפיזיקה, האמינות והאלגוריתמיקה שמאחורי הכלים. המעבדה באוניברסיטה העברית מבקשת למלא בדיוק את התפקיד הזה: להכשיר דור חדש של מהנדסים וחוקרים שמסוגלים לעבוד בחזית שבין סיליקון, כלי תכנון ובינה מלאכותית.

העבודה של גבאי ומעבדתו ממחישה כיוון רחב יותר בתעשייה: AI כבר אינה רק עומס עבודה שרץ על שבבים מתקדמים. היא מתחילה להפוך לכלי עבודה בתוך תהליך התכנון של אותם שבבים. אם בעשור האחרון תעשיית השבבים בנתה את התשתית למהפכת הבינה המלאכותית, בשנים הקרובות צפויה הבינה המלאכותית להשפיע יותר ויותר גם על הדרך שבה מתכננים, מאמתים ומייצרים את הדור הבא של השבבים.

הפוסט לקראת ChipEx2026: פרופ' גבאי יחשוף בכנס כיצד ניתן בעזרת בינה מלאכותית לזהות בעיות אמינות בשלבי התכנון המוקדמים הופיע לראשונה ב-Chiportal.

קרן משפחת פולסון הודיעה על תרומה נוספת של 19 מיליון דולר לאוניברסיטה העברית. יחד עם התרומה הקודמת של הקרן בסך 27 מיליון דולר, סך התרומה מגיע ל-46 מיליון דולר. התרומה תשמש להרחבת קומפלקס מחקר והוראה חדיש המוקדש לתחומי STEM החיוניים לעתיד ההייטק של ישראל. התרומות המשולבות מייצגות אחת התרומות הגדולות ביותר שקיבלה אי פעם האוניברסיטה העברית, ומייצגות השקעה משמעותית בהשכלה הגבוהה ובחדשנות בישראל.

שתי התרומות מיועדות להרחבת קומפלקס חדשני בקמפוס אדמונד ג'יי ספרא בגבעת רם, ירושלים. הקומפלקס יכלול את בניין פולסון בר-אל למדעי המחשב והנדסה ואת בניין ג'ון פולסון להנדסת חשמל , שיתמכו במחקר והוראה בתחומים כמו הנדסת חשמל, פיזיקה שימושית ומדעי המחשב.

"ישראל הדהימה את העולם עם החידושים הטכנולוגיים שלה. מענקים אלה נועדו לספק תמיכה נחוצה ביותר לחינוך הדור הבא של מנהיגים טכנולוגיים במדעי המחשב ובהנדסה", אמר ג'ון פולסון, מייסד ויו"ר קרן משפחת פולסון."

ישנן שלוש סיבות עיקריות המניעות אותי לתת את המתנה המוגדלת הזו:

2. כמדינה קטנה, ישראל ניצבת בפני אתגרים כלכליים עצומים. כדי לספק השכלה גבוהה מצוינת לאזרחיה, אוניברסיטאות ישראליות זקוקות לתמיכה פילנתרופית חיצונית.

"אני לא יכול לחשוב על אוניברסיטה ראויה יותר לתמיכה פילנתרופית מאשר האוניברסיטה העברית כרגע", אמר מר פולסון.

"עם כניסתה של האוניברסיטה העברית בירושלים למאה השנייה לחייה, אנו אסירי תודה עמוקות לג'ון פולסון על תמיכתו המשמעותית – ידיד אמיתי של האוניברסיטה", אמר פרופ' תמיר שפר , נשיא האוניברסיטה העברית. "השקעה יוצאת דופן זו בעתידה של ישראל משקפת את הבנתו העמוקה את התפקיד שממלאים מדע וטכנולוגיה מתקדמים בחוסן הכלכלי של ישראל ובמעמדה העולמי. על ידי איחוד מעבדות הוראה ותשתיות מחקר ברמה עולמית, אנו מעצימים חוקרים וסטודנטים כאחד להאיץ את החדשנות ולחזק את מנהיגותה של ישראל בתחום ההייטק".

פרופ' שפר הוסיף, "אני מביע את תודתי העמוקה לג'ון פולסון, דוקטור לשם כבוד של האוניברסיטה העברית, ולקרן משפחת פולסון על חזונם, נדיבותם ושותפותם המתמשכת במשימתנו להוביל מחקר חלוצי בתחומים מדעיים המתפתחים במהירות".

נשיא האוניברסיטה העברית, תמיר שפר, ייפגש עם ג'ון פולסון בינואר בפלורידה. הפגישה מדגישה את השותפות ההדוקה בין הקרן לאוניברסיטה, כמו גם את המחויבות המשותפת לקידום מצוינות מדעית ומנהיגות טכנולוגית בישראל.

הפוסט קרן משפחת פולסון תרמה 19 מיליון דולר נוספים לאוניברסיטה העברית למימון בניין חדש להנדסת חשמל הופיע לראשונה ב-Chiportal.

חוקרים פיתחו מסגרת חדשנית בשם Annotatability שמספקת גישה רבת עוצמה להתמודד עם אחד האתגרים המרכזיים במחקר ביולוגי: הבנת האופן שבו רשתות עצביות מלאכותיות לומדות לתייג נתונים גנומיים.

נתונים גנומיים רבים מכילים כמויות עצומות של דוגמאות מתויגות, אך לעיתים קרובות תיוגים אלו שגויים או מעורפלים. בהשראת פריצות דרך עדכניות בתחומי עיבוד שפה טבעית וראייה ממוחשבת, השתמשו החוקרים ברשתות עצביות מלאכותיות (ANNs) בדרך לא שגרתית: במקום להשתמש ברשתות רק לצורך תחזיות, הם בחנו את רמת הקושי שלהן בלמידת תיוגים שונים של דוגמאות ביולוגיות.

בדומה לבחינת הקושי של תלמידים במצבים חינוכיים שונים, החוקרים השתמשו במידע הייחודי הזה כדי לזהות חוסר התאמה בנתוני תיוג תאים, לשפר את הבנת הנתונים ולגלות מסלולים תאיים קריטיים הקשורים להתפתחות ולמחלות. Annotatability מספקת שיטה מדויקת יותר לניתוח נתונים גנומיים ברמת תא יחיד, עם פוטנציאל משמעותי לקידום מחקר ביולוגי ובטווח הארוך לשיפור באבחון ובטיפול במחלות.

המחקר, בהובלת יונתן קרין, רשף מינטז, ד"ר ברק רווה וד"ר מור ניצן מהאוניברסיטה העברית, פורסם בכתב העת Nature Computational Science. המחקר מציע מסגרת חדשה לפרשנות נתוני אומיקס ברמת תא יחיד ובמיקומים מרחביים, באמצעות מעקב אחרי דינמיקת האימון של רשתות נוירונים עמוקות.

נתוני אומיקס ברמת תא יחיד וברמת מיקום מרחבי חוללו מהפכה ביכולתנו לחקור את המגוון התאי ואת התנהגות התאים בבריאות ובמחלות. עם זאת, ניתוח נתונים רב-ממדיים אלו מאתגר, בעיקר בשל הקושי לייחס תיוגים מדויקים וסופיים, כגון סוגי תאים או מצבים, לאוכלוסיות תאים הטרוגניות. תיוגים אלו לעיתים קרובות סובלים מסובייקטיביות, רעש וחוסר שלמות, מה שמקשה על הפקת תובנות משמעותיות מהנתונים.

טכניקות מתקדמות לזיהוי מסלולים תאיים

Annotatability עוזרת לזהות חוסר התאמות בנתוני התיוג ולתאר טוב יותר את המבנים הביולוגיים שבנתונים. באמצעות מעקב אחר דינמיקות וקושי באימון רשת נוירונים עמוקה, המסגרת מזהה אזורים שבהם תיוגי תאים מעורפלים או שגויים. בנוסף, היא מדגישה מצבי ביניים של תאים ואת אופייה הרציף והמורכב של התפתחות תאים.

במסגרת המחקר פותחה שיטת "השקעת גרפים מודעת אותות" (signal-aware graph embedding) שמאפשרת אנליזה מדויקת יותר של אותות ביולוגיים. טכניקה זו מזהה קהילות תאיות הקשורות לאותות יעד ומספקת כלים לחקר הטרוגניות תאית, מסלולי התפתחות ומסלולי מחלה.

המחקר מדגים את היישום של Annotatability על מגוון נתוני RNA מרמת תא יחיד ונתוני אומיקס מרחביים. ממצאים בולטים כוללים זיהוי תיוגים שגויים, אפיון מדויק של מצבים תאיים הקשורים להתפתחות ולמחלות, ושיפור הבנת ההטרוגניות התאית. תוצאות אלו מדגישות את הפוטנציאל של המסגרת לפענוח תהליכים תאיים מורכבים ולקידום ההבנה של בריאות ומחלות ברמת תא יחיד.

עבודת החוקרים מייצגת התקדמות משמעותית בפרשנות נתונים גנומיים ומציעה כלי רב עוצמה לחקר המגוון התאי. הכלים שפותחו עשויים לשפר את היכולת לחקור דינמיקות בריאות ומחלות ולהוות בסיס לשיפורים באבחון מחלות ובטיפול בהן.

למאמר המדעי ב-NATURE

הפוסט שיטה חדשה עוקבת אחר "עקומת הלמידה" של בינה מלאכותית לפענוח נתונים גנומיים מורכבים הופיע לראשונה ב-Chiportal.

במפגש הסיליקון קלאב, שנערך בבית IBM בפתח תקווה, הציג פרופ' עידן שגב, חוקר מדעי המוח ממרכז אדמונד ולילי ספרא באוניברסיטה העברית, תובנות חדשניות על הקשר בין חקר המוח האנושי לפיתוח בינה מלאכותית. בהרצאה סוחפת, הוא הדגיש את החשיבות של הבנת המוח האנושי כבסיס לשיפור טכנולוגיות AI, תוך שימת דגש על היעילות האנרגטית המדהימה של המוח, כמו גם על מורכבותו המבנית. "כיצד ניתן לבצע חישובים מורכבים באופן מקבילי ויעיל אנרגטית, כדי ליצור לנו ״פרטנרים״ מלאכותיים מעוררי-השראה, שיעזרו לנו להבין את מוחנו שלנו, לתקן אותו ולשכלל את יכולותיו החבויות בו מזה 300,000 שנה – מאז נוצר המין האנושי".

"המוח האנושי הוא מקור השראה למערכות AI," ציין פרופ' שגב. "למרות ההתקדמות המרשימה, רשתות העצבים המלאכותיות שאנו מכירים כיום, מוגבלות לעומת היכולות האנושיות, במיוחד בכל הקשור לצריכת אנרגיה ולביצוע חישובים."

בין המוח ל-AI

פרופ' שגב הסביר כיצד חקר המוח תורם להבנת עקרונות החישוב של הבינה המלאכותית. הוא ציין כי בעוד המוח מבצע חישובים מקומיים רבים באמצעות מבנה סינפסות ותאי עצב, מערכות AI עכשוויות מסתמכות על חישובים דיגיטליים ליניאריים, הצורכים כמויות אדירות של אנרגיה. "המוח פועל ב-20 וואט בלבד," הדגיש, "לעומת המחשבים הנוכחיים, שמבצעים משימות דומות בצריכת אנרגיה של מגה-וואטים."

שגב הדגים את השפעת המבנה הייחודי של תאי העצב על יעילות החישובים, והציג את חזונו לפיתוח חומרה ניורומורפית – מערכות חישוביות המדמות את מבנה ותפקוד המוח, במטרה לשפר ביצועים ולהפחית עלויות אנרגיה.

חקר המוח ברזולוציה גבוהה

בהרצאה הוצגו שיטות חדשות למיפוי מוח האדם והחיבוריות בין תאי העצב ברמות שונות, החל ממיקרו ועד מאקרו. מיפויים אלו מאפשרים הבנה מעמיקה של ארכיטקטורת המוח, שיכולה להוות בסיס לבניית רשתות עצבים מלאכותיות מתקדמות, המסוגלות לפעול בצורה טבעית ויעילה יותר.

  NeuroAIהוא תחום מחקר חדש, המנסה לגשר בין ההבנה שלנו באשר לאופן שבו המוח מבצע חישובי AI  (נכון יותר לומר, BI  – (Biological Intelligence    לבין היכולת שלנו לפתח מכונות אינטליגנטיות, לומדות, הפותרות בעיות מדעיות, מתכננות את העתיד, יוצרות ״חדש מאין״. כבר היום ״המכונות הלומדות״ – ״הרשתות העמוקות״ – עליהן מבוססים המודלים המשמשים את ה AI – כגון  ChatGPT –  שאבנו מהמוח השראה – “נוירון מלאכותי”, “רשת עצבית עמוקה” ו”למידה סינפטית”. למוח מסתבר, ישנם עוד ״פטנטים״ המאפשרים לנו לעשות את כל ״נפלאות המוח״ – דיבור, זיהוי פנים, תנועה בעולם מרכב, מדע ואמנות. אם נבין את העקרונות הפיזיקליים והחישוביים המאפשרים למוח לבצע, ביעילות רבה כל כך, את המשימות האלה,  נוכל להמשיך ולקבל השראה מממנו על מנת לבנות מכונות עם ביצועים מתקדמים מאד תוך צריכת אנרגיה מזערית. 

ואכן, המעבדים הדיגיטליים המשמשים היום לחישובי ״האינטיליגנציה המלאכותית״ דורשים פי כמיליון יותר אנרגיה לעומת המוח, הצורך כ-20 וואט בלבד. השאלה הגדולה היא כיצד המוח מצליח לבצע במקביל מגוון חישובים מורכבים כמעט ללא "חשבון חשמל״? 

אחד המרכיבים הייחודיים במוח הוא הנוירון, אבן הבניין הבסיסית שלו, שבה חלק מרכזי מהתהליכים החישוביים נעשים בצורה אנלוגית, זולה אנרגטית, וחלק אחר – האותות העוברים ביחידת הפלט שלו, באקסון – הם דיגיטליים ויקרים יותר מבחינה אנרגטית. שילוב זה בין חישוב אנלוגי בחלק אחד של המיקרוצי׳פ המוחי לחישוב דיגיטלי בחלק אחר שלו הוא ״פטנט״ מיוחד שהמוח פיתח, אך עדיין לא מוצה ברשתות העצביות המלאכותיות. גם ארכיטקטורת הקשרים במוח שונה מאד מזו שברשתות המלאכותיות ״העמוקות״ שבנינו, וגם לזה תפקיד חשוב בהצלחת המוח לחשב חישובים באופן יעיל כל-כך. 

הפוסט פרופ' עידן שגב: כיצד המוח האנושי מלמד אותנו לבנות בינה מלאכותית חכמה יותר הופיע לראשונה ב-Chiportal.

התעשייה האווירית, האוניברסיטה העברית, רשות החדשנות ו"יישום- החברה לפיתוח המחקר של האוניברסיטה העברית" מודיעות על הפעלתו של המחשב הקוונטי הראשון תוצרת כחול לבן בטכנולוגיית על מוליך. המחשב הקוונטי פותח בהובלת המאגד של רשות החדשנות  ובשיתוף פעולה אסטרטגי בין התעשייה האווירית, האוניברסיטה העברית וחברת יישום. שיתוף הפעולה כולל הקמת תשתית של מחשב קוונטי מבוסס טכנולוגיה על-מוליכה, יחד עם סביבת פיתוח ואינטגרציה. פיתוחים אלו מהווים בסיס ידע אסטרטגי עבור מדינת ישראל ומתאימים ליישומים ביטחוניים ואזרחיים.

המרוץ ל-'עליונות קוונטית' צבר בשנים האחרונות תאוצה, וזאת לנוכח פריצות דרך חדשות בתחום. כעת, מעצמות רבות וביניהן מדינת ישראל, עומלות על בנית תשתיות ופיתוח מחשבים קוונטיים – כאלו שישנו מקצה-לקצה את עולמות המחשוב בתחומי הצבא, תעשייה, מחקר ופיתוח ועוד. בשנים האחרונות השקיעה התעשייה האווירית מאמצים כבירים להגדלת הפעילות הקוונטית שלה, וכעת נחשבת החברה לכוח בולט ומשמעותי עם השקת המחשב הקוונטי הראשון מתוצרת כחול-לבן. 

מעבדת מחשוב קוונטי של חברת QHIPU QUANTUM   תרכז יכולת תכנון, סימולציה ,אינטגרציה והתאמת אפליקציות יישומיות של מחשב קוונטי בטכנולוגית על מוליך. הפעילות מתבצעת תוך שת"פ עם חברות ומכוני מחקר בארץ ובעולם.

שיתוף הפעולה בין הממשלה, האקדמיה והמגזר העסקי מהווה יתרון אל מול החברות הזרות המתחרות בתחום, ויסייע במיצובה של ישראל כמובילה עולמית במחשוב קוונטי.

ישי פרנקל, מנכ"ל האוניברסיטה העברית מציין כי: "צוות החוקרים שעובד על הפרויקט העתידני הזה הוא מהמובילים באוניברסיטה העברית. אין לי ספק ששיתוף הפעולה בין הגורמים בפרויקט מביא לשולחן רב-תחומיות ברוכה ויביא לתוצאות חשובות עבור המחקר בתחום וחיזוק מעמדה המדעי והטכנולוגי של מדינת ישראל. עם כניסתה של האוניברסיטה העברית לשנת ה- 100 להיווסדה, סמיכות האירועים מעוררת השראה: מהקמת המכון המחקרי המדעי הראשון בארץ ישראל בשנת 1925 בקמפוס הר הצופים בירושלים ועד להשקת המחשב הקוונטי הכחול לבן הראשון".

בועז לוי, מנכ"ל התעשייה האווירית: ״טכנולוגיות הקוונטים עתידות לשדרג מהותית את היכולות האנושיות במגוון עולמות רחב, והתעשייה האווירית מובילה בגאווה את מדינת ישראל בדרכה להיות מעצמה עולמית בתחום זה. בשנים האחרונות פיתחה התעשייה האווירית מיזמים בתחומי הרובוטיקה, האוטונומיה, הסייבר והבינה המלאכותית ששולבו בקווים העסקיים של החברה, חלקם בשיתוף פעולה עם חברות הזנק ועם האקדמיה. המפתח לשמירה על כוחן של התעשיות הביטחוניות בישראל, טמון, בין היתר, בשיתופי פעולה בין האקדמיה לחברות הזנק ולתעשייה, וכן עם גופי ממשל. את הטכנולוגיה לומדים באקדמיה ומיישמים בתעשייה – וזהו מכפיל כח עבור עם ישראל. כדי לנצח במערכה העתידית, זקוקה מדינת ישראל לטכנולוגיה מתקדמת; זהו המצפן שלנו כתעשייה ביטחונית ישראלית מובילה, להקדים תמיד את האויב, לצפות כל העת כמה צעדים לפניו, ולפתח את המענה לאיום – עוד לפני שיכולת האיום הזה קיימת אצלו".

דרור בין, מנכ״ל רשות החדשנות: ״למרות שלמחשוב הקוונטי יש עוד דרך עד להבשלה הוא טומן בחובו פוטנציאל טכנולוגי אדיר לשדרג את עוצמת המחשוב העומדת לרשות האנושות ולהאיץ תהליכי מחקר ופיתוח באופן שטרם נראה כמותו. עוצמה זו תשפיע בצורה דרמטית על המדע ועל תעשיית ההייטק העולמית. ישראל, כהאב חדשנות גלובלי, חייבת גם היא להיות בחזית הטכנולוגית הזו והשקת המחשב הקוונטי הישראלי הראשון, היום, מהווה אבן דרך חשובה במאמץ זה. המחשב הקוונטי הישראלי הראשון אינו יוזמה בודדת אלא חלק מאסטרטגיה רחבה שאנו מובילים ברשות החדשנות לקידום טכנולוגיות פורצות דרך במגוון תחומים. במסגרת זו, הושקה מוקדם יותר השנה מעבדת המו”פ למחשוב קוונטי בתל אביב, המהווה נדבך מרכזי בתשתיות המחקר והפיתוח של ישראל בתחום זה. פעילות זו הינה חלק מהתכנית הלאומית למחשוב קוונטי וביחד עם השקעות אחרות מטרתה לשמור על המובילות הטכנולוגית של ישראל בכדי לשמר את התחרותיות שלה בתעשיית ההייטק הגלובלית ולהביא לצמיחה כלכלית מתמשכת״.

***

בתמונות:

1. אירוע השקת המחשב הקוונטי באוניברסיטה העברית

(קרדיט: התעשייה האווירית)

הפוסט המחשב הקוונטי הראשון תוצרת ישראל בטכנולוגיית על מוליך החל לפעול הופיע לראשונה ב-Chiportal.