زمزمه روح یا گوست مرمر؛ آیا ردیابی قلب از راه دور ممکن است؟

مقدمه

تصور کنید درحالی‌که در دل یک کوهستان پنهان شده‌اید، هیچ دستگاهی روشن نکرده‌اید و هیچ صدایی از خود ساطع نمی‌کنید؛ اما سیستمی از فاصله‌ای دور، تنها با «گوش دادن» به ضربان قلبتان، می‌داند دقیقاً کجا هستید. این ادعایی است که درباره فناوری «گوست مرمر» مطرح شده؛ سیستمی که گفته می‌شود برای سازمان CIA توسعه یافته و می‌تواند میدان مغناطیسی ضعیف قلب انسان را از راه دور شناسایی کند.

اما آیا چنین چیزی از نظر فیزیکی ممکن است؟ پایه‌های علمی این فناوری چقدر محکم است و چه چیزی واقعی بوده، چه چیزی اغراق و چه چیزی شاید یک عملیات روانی هدفمند؟

در این مقاله از تاریخچه مگنتومتری کوانتومی تا ادعاهای عملیاتی گوست مرمر، از فیزیک NV در الماس تا نقش هوش مصنوعی در پردازش سیگنال، و از اولین کاربرد ادعایی این سیستم در کوه‌های زاگرس تا نگرانی‌های جدی حریم خصوصی بررسی می‌کنیم. اگر می‌خواهید بدانید علم واقعاً چه می‌گوید و کجا با ادعا فاصله دارد، تا انتها همراه باشید.

گوست مرمر چیست؟ فناوری مرموزی که ضربان قلب را از راه دور ردیابی می‌کند!

گوست مرمر (Ghost Murmur) که می‌توان آن را به‌صورت مفهومی زمزمه روح ترجمه کرد نامی است که در برخی روایت‌ها به یک سامانه ادعایی و طبقه‌بندی‌شده در حوزه پایش بیومغناطیسی از راه دور نسبت داده می‌شود. گفته می‌شود این پروژه در واحد اسکَنک‌ورکس (Skunk Works) شرکت لاکهید مارتین و در ارتباط با نهادهای اطلاعاتی مانند CIA توسعه یافته است.

هدف ادعایی چنین سیستمی، شناسایی و موقعیت‌یابی افراد تنها از طریق دریافت سیگنال‌های الکترومغناطیسی بسیار ضعیفی است که قلب انسان هنگام هر تپش تولید می‌کند—بدون نیاز به هرگونه تجهیز همراه یا تماس فیزیکی.

نام‌گذاری این فناوری، خود حامل یک لایه معنایی قابل‌توجه است. «Ghost» به سوژه‌ای اشاره دارد که در میدان دید و ابزارهای متعارف شناسایی، عملاً نامرئی است؛ و «Murmur» که در ادبیات پزشکی به صداهای ظریف و گاه غیرعادی قلب اطلاق می‌شود، در اینجا به‌عنوان استعاره‌ای از سیگنال‌های پنهان و تقریباً نامحسوس قلب به کار رفته است. ترکیب این دو واژه، مفهومی ضمنی اما روشن را القا می‌کند: حتی نجوای قلب شما قابل ردیابی است!

از منظر فنی، چنین سیستمی—در صورت وجود—باید بر هم‌افزایی دو مؤلفه کلیدی متکی باشد. نخست، حسگرهای کوانتومی فوق‌حساس مبتنی بر نقص‌های مهندسی‌شده در ساختار الماس‌های مصنوعی، موسوم به مراکز نیتروژن-تهی‌جایی (NV centers)، که برخلاف نسل‌های پیشین مغناطیس‌سنج‌ها، امکان عملکرد در دمای محیط و استقرار روی پلتفرم‌های متحرک مانند پهپادها یا بالگردها را فراهم می‌کنند. دوم، لایه پردازشی متکی بر الگوریتم‌های پیشرفته هوش مصنوعی که وظیفه آن استخراج الگوهای ریتمیک ضربان قلب از میان حجم عظیمی از نویزهای محیطی است—چالشی که در ادبیات تخصصی گاه به «تفکیک یک سیگنال زیستی ضعیف در بستر نویزی پیچیده» تعبیر می‌شود.

در مجموع، آنچه «گوست مرمر» توصیف می‌کند، بیش از آنکه یک فناوری تأییدشده باشد، در مرز میان پژوهش‌های پیشرفته حسگرهای کوانتومی و روایت‌های کمتر شفاف امنیتی قرار می‌گیرد؛ جایی که علم، مهندسی و گمانه‌زنی به‌سادگی از یکدیگر قابل تفکیک نیستند.

تاریخچه و منشأ توسعه این سیستم سری

ریشه‌های این فناوری به دهه ۱۹۶۰ بازمی‌گردد، زمانی که دانشمندان برای اولین بار موفق شدند میدان مغناطیسی ضعیف قلب انسان را اندازه‌گیری کنند. در سال ۱۹۶۳، گرهارد باول و ریچارد مک‌فی اولین ثبت موفق سیگنال مغناطیسی قلب را به نام «مگنتوکاردیوگرافی» (MCG) به ثبت رساندند. ابزار اصلی آن دوران سنسورهای SQUID بودند که حساسیت بالایی داشتند، اما وابستگی آن‌ها به سرمایش کرایوژنیک در دمای منفی ۲۶۹ درجه سانتی‌گراد، استفاده از آن‌ها را به محیط‌های آزمایشگاهی و بیمارستانی محدود می‌کرد.

در دهه ۲۰۰۰، کشف نقص‌های نیتروژن-تهی‌جایی (NV) در الماس‌های مصنوعی نقطه عطفی محسوب شد. این سنسورهای جدید در دمای اتاق کار می‌کردند و پتانسیل حمل‌پذیری داشتند. در دهه ۲۰۲۰ با ادغام این سنسورها با الگوریتم‌های پیشرفته هوش مصنوعی، مسیر توسعه نظامی این فناوری هموار شد. گزارش شده که بخش «اسکانک ورکس» (Skunk Works) شرکت لاکهید مارتین، این مسیر را برای سازمان CIA دنبال کرده است. مقامات ارشد آمریکایی از جمله رئیس‌جمهور ترامپ و مدیر سابق CIA، جان رتکلیف، به وجود «قابلیت‌های منحصربه‌فرد» در این حوزه اشاره کرده‌اند.

معنای نام «زمزمه روح» و چرایی این انتخاب

نام «Ghost Murmur» از ترکیب دو واژه با بار معنایی متفاوت شکل گرفته که در مجموع، بیشتر جنبه نمادین و توصیفی دارد تا صرفاً فنی.

واژه Ghost (شبح یا روح) در این زمینه به مفهوم فرد یا هدفی اشاره دارد که در محیط عملیاتی عملاً از دید سیستم‌های متعارف خارج شده و ردیابی آن با روش‌های معمول دشوار یا ناممکن به نظر می‌رسد. این بخش از نام، بیشتر بیانگر وضعیت «عدم مشاهده‌پذیری» در میدان عملیات است.

در مقابل، واژه Murmur (زمزمه) در کاربرد عمومی به صدایی بسیار ضعیف و کم‌قدرت اشاره دارد و در برخی حوزه‌های پزشکی نیز برای توصیف صداهای ظریف قلب به کار می‌رود. در این چارچوب، این اصطلاح به‌صورت استعاری به سیگنال‌های بسیار ضعیف زیستی یا فیزیکی اشاره دارد که در میان نویز محیطی قرار دارند و تشخیص آن‌ها نیازمند حساسیت بالای اندازه‌گیری است.

از منظر تحلیل‌های ارتباطی و شناختی، چنین نام‌گذاری‌هایی معمولاً صرفاً جنبه فنی ندارند، بلکه می‌توانند نقش روایی و نمادین نیز داشته باشند. برخی کارشناسان معتقدند این نوع ترکیب واژگان می‌تواند بر درک ذهنی از سطح توانمندی یک سامانه اثر بگذارد، حتی اگر جزئیات واقعی عملکرد آن برای عموم مشخص نباشد.

در این چارچوب، «Ghost Murmur» بیش از آنکه یک تعریف قطعی از یک فناوری باشد، به‌نظر می‌رسد بازتابی از ترکیب مفاهیم ردیابی، عدم‌قطعیت و حساسیت بالای اندازه‌گیری در محیط‌های پیچیده باشد.

نقش لاکهید مارتین و بخش Skunk Works در توسعه فناوری‌های پیشرفته

بخش Skunk Works شرکت لاکهید مارتین سابقه‌ای طولانی در توسعه پروژه‌های پیشرفته و عمدتاً محرمانه در حوزه هوافضا دارد؛ از هواپیمای شناسایی U-2 گرفته تا جنگنده رادارگریز F-117. همین پیشینه باعث شده این واحد همواره در مرکز گمانه‌زنی‌ها درباره فناوری‌های نسل آینده قرار داشته باشد.

در برخی روایت‌ها و تحلیل‌های غیررسمی، ادعا شده که پروژه موسوم به «گوست مرمر» نیز در همین بستر توسعه یافته است؛ هرچند تاکنون هیچ تأیید رسمی یا سند مستقلی برای ارتباط مستقیم آن با این واحد منتشر نشده است.

در کنار این بحث‌ها، لاکهید مارتین در حوزه‌های مرتبط با ناوبری غیرماهواره‌ای نیز فعالیت‌هایی داشته است. یکی از این حوزه‌ها «ناوبری مغناطیسی» (MagNav) است که بر استفاده از حسگرهای حساس مغناطیسی برای تعیین موقعیت، مستقل از GPS، تکیه دارد. همچنین این شرکت در میان پیمانکاران مرتبط با برنامه‌هایی مانند RoQS در دارپا مطرح شده است؛ برنامه‌ای که بر بهبود تاب‌آوری و کارایی حسگرهای کوانتومی در شرایط عملیاتی تمرکز دارد.

در مجموع، این خطوط تحقیقاتی نشان می‌دهد که توسعه فناوری‌های ناوبری و حسگری پیشرفته در یک اکوسیستم گسترده‌تر تحقیقاتی دنبال می‌شود، هرچند ارتباط مستقیم میان این پروژه‌ها و روایت‌هایی مانند «گوست مرمر» در منابع عمومی به‌طور قطعی تأیید نشده است.

چگونگی عملکرد گوست مرمر؛ از فیزیک کوانتوم تا ردیابی انسان

عملکرد گوست مرمر بر پایه ترکیب سه لایه فناورانه استوار است: یک حسگر کوانتومی فوق‌حساس، یک سیستم تحریک نوری و یک موتور پردازش هوش مصنوعی. این سه لایه با هم امکان تشخیص سیگنال‌های زیستی فوق‌العاده ضعیف را در محیط‌های پرنویز فراهم می‌کنند.

مراکز نیتروژن-تهی‌جایی (NV) در الماس مصنوعی؛ قلب تپنده این سنسور

مراکز نیتروژن-تهی‌جایی نقص‌هایی میکروسکوپی در شبکه کریستالی الماس‌های مصنوعی هستند. در این نقص‌ها، یک اتم نیتروژن جایگزین یک اتم کربن می‌شود و در کنار آن یک جای خالی در شبکه باقی می‌ماند. این ترکیب ساختاری باعث می‌شود که مرکز NV به میدان‌های مغناطیسی خارجی بسیار حساس شود.

مکانیسم اندازه‌گیری به این شکل عمل می‌کند: وقتی پرتو لیزر سبز به الماس تابیده می‌شود، مراکز NV نور قرمز ساطع می‌کنند. شدت این فلورسانس قرمز بسته به قدرت میدان مغناطیسی محیط تغییر می‌کند. با تحلیل دقیق این تغییرات نوری، می‌توان میدان‌های مغناطیسی بسیار ضعیف را با دقت فوق‌العاده اندازه‌گیری کرد.

مزیت اصلی این سنسورها نسبت به نسل قبلی (SQUID) این است که در دمای اتاق کار می‌کنند. این ویژگی امکان مینیاتوری‌سازی و نصب روی پلتفرم‌های متحرک مانند پهپاد یا هلیکوپتر را فراهم کرده است.

نحوه تشخیص میدان مغناطیسی ضربان قلب از راه دور

قلب انسان با هر بار انقباض، جریان‌های الکتریکی ضعیفی در سلول‌های عضلانی ایجاد می‌کند. طبق قوانین الکترومغناطیس، این جریان‌ها یک میدان مغناطیسی تولید می‌کنند که قدرت آن در سطح قفسه سینه بین ۱۰ تا ۱۰۰ پیکوتسلا است. برای مقایسه، این میدان تقریباً یک میلیارد بار ضعیف‌تر از میدان مغناطیسی زمین است.

یک ویژگی کلیدی این سیگنال، ماهیت ریتمیک و نوسانی آن است. برخلاف میدان مغناطیسی ثابت زمین، سیگنال قلب به صورت منظم و تکرارشونده نوسان می‌کند. این تفاوت الگو، پایه‌ای است که الگوریتم‌های هوش مصنوعی از آن برای جداسازی سیگنال زیستی از نویز پس‌زمینه استفاده می‌کنند.

سنسور NV این تغییرات بسیار ظریف میدان مغناطیسی را از طریق تغییر در شدت فلورسانس الماس ثبت می‌کند. داده‌های خام حاصل، سپس به لایه پردازش هوش مصنوعی ارسال می‌شوند.

نقش هوش مصنوعی در جداسازی سیگنال از نویز محیطی

بزرگ‌ترین چالش این فناوری، نه ساخت حسگر، بلکه پردازش داده‌هاست. سنسور در واقعیت امواجی از نویز دریافت می‌کند که سیگنال قلب در میان آن‌ها غرق شده است. هوش مصنوعی وظیفه دارد این «نجوا» را از میان آشفتگی‌های مغناطیسی بیرون بکشد.

الگوریتم‌های مورد استفاده شامل شبکه‌های عصبی عمیق (DNN) و شبکه‌های عصبی پیچشی (CNN) هستند که بر روی مجموعه‌داده‌های بزرگ از سیگنال‌های بیولوژیکی آموزش دیده‌اند. این مدل‌ها توانایی تشخیص الگوهای تکرارشونده ضربان قلب انسان را از نویزهای غیرمنظم محیطی دارند.

علاوه بر این، سیستم‌های فیلتراسیون تطبیقی مانند نرم‌افزارهای توسعه‌یافته توسط شرکت Q-CTRL تداخلات ارتعاشی پلتفرم متحرک، نویزهای زمین‌شناسی و میدان‌های الکترومغناطیسی خود هواپیما را حذف می‌کنند. ادعا شده که این روش‌ها می‌توانند دقت سیستم را تا ۱۱۱ برابر نسبت به روش‌های سنتی بهبود بخشند.

سیر تکامل فناوری ردیابی بیومغناطیسی؛ از دهه ۶۰ تا امروز

اولین اندازه‌گیری‌های مغناطیسی قلب در دهه ۱۹۶۰

ماجرا در سال ۱۹۶۳ آغاز شد. گرهارد باول و ریچارد مک‌فی با استفاده از یک سیم‌پیچ القایی حساس، موفق شدند اولین ثبت موفق سیگنال مغناطیسی قلب انسان را به انجام برسانند. این دستاورد، پایه‌گذار رشته‌ای به نام مگنتوکاردیوگرافی (MCG) شد.

در آن دوران، ابزارهای اندازه‌گیری بسیار ابتدایی بودند و نیاز به اتاق‌های محافظت‌شده مغناطیسی بزرگ داشتند. حساسیت دستگاه‌ها محدود بود و هر آزمایش ساعت‌ها به طول می‌انجامید. با این حال، همین قدم ابتدایی ثابت کرد که قلب انسان یک امضای مغناطیسی قابل اندازه‌گیری دارد؛ اکتشافی که دهه‌ها بعد به پایه‌ای برای فناوری‌های نظامی تبدیل شد.

ظهور سنسورهای SQUID و محدودیت‌های کرایوژنیک آن‌ها

در اواخر دهه ۱۹۶۰ و دهه ۱۹۷۰، سنسورهای SQUID (تداخل‌سنج‌های کوانتومی ابررسانا) وارد میدان شدند و استاندارد طلایی اندازه‌گیری بیومغناطیسی شدند. این سنسورها بر پایه پدیده ابررسانایی و جریان‌های کوانتومی کار می‌کنند و حساسیتی بی‌نظیر دارند.

اما آچیل این سیستم‌ها وابستگی آن‌ها به سرمایش کرایوژنیک در دمای منفی ۲۶۹ درجه سانتی‌گراد (نزدیک به صفر مطلق) بود. این نیاز به مخازن هلیوم مایع گران‌قیمت، تجهیزات سنگین و اتاق‌های محافظت‌شده مغناطیسی، استفاده از SQUIDها را کاملاً به محیط‌های آزمایشگاهی و بیمارستانی محدود کرد. نصب چنین سیستمی روی یک پهپاد یا هلیکوپتر عملاً غیرممکن بود.

انقلاب سنسورهای دمای اتاق و ادغام با هوش مصنوعی در دهه ۲۰۲۰

گشایش واقعی در دهه اول ۲۰۰۰ با کشف قابلیت‌های حسگری مراکز NV در الماس رخ داد. این مراکز برخلاف SQUIDها در دمای اتاق کار می‌کنند و قابلیت مینیاتوری‌سازی دارند.

در ژانویه ۲۰۲۶، تیمی از دانشگاه‌های ماینتس و اشتوتگارت به همراه استارتاپ Q.ANT برای اولین بار موفق شدند سیگنال‌های قلبی انسان را با مگنتومترهای الماس NV در دمای اتاق ثبت کنند؛ هرچند این آزمایش در فواصل بسیار کوتاه و با میانگین‌گیری از هزاران ضربان انجام شد.

در همین دوران، سرمایه‌گذاری نهادهایی مانند دارپا (DARPA) در برنامه‌هایی مثل RoQS هدف تبدیل این حسگرهای شکننده آزمایشگاهی به ابزارهایی مقاوم برای محیط‌های عملیاتی را دنبال کرد. ادغام این پیشرفت سخت‌افزاری با انقلاب الگوریتم‌های یادگیری عمیق، دوره جدیدی از مگنتومتری کوانتومی کاربردی را آغاز کرد.

عملیات نجات در کوه‌های زاگرس؛ اولین کاربرد ادعایی گوست مرمر

در برخی گزارش‌ها و روایت‌های غیررسمی، به حادثه‌ای در آوریل ۲۰۲۶ اشاره شده که در آن یک فروند جنگنده F-15E Strike Eagle در منطقه کوهستانی زاگرس در جنوب ایران دچار سانحه شد. بر اساس این گزارش‌ها، خلبان اصلی به‌سرعت از محل حادثه خارج شده و عملیات نجات اولیه برای او انجام شده است، در حالی که افسر سامانه‌های تسلیحاتی هواپیما، که در برخی منابع با نام مستعار «Dude 44 Bravo» ذکر شده، به‌دلیل آسیب‌دیدگی در ناحیه پا، برای مدتی در منطقه باقی مانده است.

این حادثه در برخی تحلیل‌ها به‌عنوان یکی از مواردی مطرح شده که در آن از سامانه‌ها یا روش‌های پیشرفته جست‌وجو و نجات ادعایی استفاده شده است، هرچند جزئیات دقیق این موضوع همچنان در هاله‌ای از ابهام قرار دارد و منابع مستقل تأییدکننده محدودی برای آن وجود دارد.

فرود اضطراری و راهبردهای بقا در محیط‌های پرریسک

پس از فرود اضطراری، خلبان مطابق با آموزش‌های استاندارد بقا در شرایط انزوا عمل کرد. اولویت اصلی در چنین موقعیت‌هایی، کاهش احتمال شناسایی و خرید زمان تا رسیدن نیروهای پشتیبانی است. بر همین اساس، او تلاش کرد در یک شکاف باریک کوهستانی پناه بگیرد؛ موقعیتی که از دید مستقیم دور بوده و امکان استتار طبیعی را فراهم می‌کند.

در چنین سناریوهایی، استفاده از تجهیزات ارتباطی نیز با احتیاط انجام می‌شود. بر اساس روایت‌های تحلیلی، خلبان به یک سامانه موقعیت‌یابی اضطراری مجهز بوده و از آن به‌صورت محدود و مقطعی استفاده می‌کرد؛ به این معنا که تنها در بازه‌های کوتاه، داده‌های موقعیت به‌صورت رمزگذاری‌شده ارسال می‌شد و سپس دستگاه خاموش می‌گردید تا احتمال شناسایی کاهش یابد. این نوع استفاده حداقلی از ارتباطات، یکی از اصول رایج در مدیریت ریسک در شرایطی است که امکان رهگیری سیگنال وجود دارد.

در مجموع، چنین رفتارهایی در چارچوب آموزش‌های بقا تعریف می‌شوند؛ جایی که تعادل میان «حفظ ارتباط» و «پرهیز از آشکارسازی موقعیت» نقش تعیین‌کننده‌ای در افزایش شانس نجات ایفا می‌کند.

فناوری‌های ترکیبی به‌کاررفته در این عملیات

عملیات نجات صرفاً به یک فناوری متکی نبود. تیم پشتیبانی آمریکا چندین لایه موازی را به اجرا گذاشت. سازمان CIA یک عملیات ضداطلاعاتی در داخل ایران راه‌اندازی کرد و شایعاتی مبنی بر پیدا شدن هر دو خدمه پخش کرد تا توجه جستجوگران ایرانی را منحرف سازد.

در سطح هوایی، ۱۵۵ فروند هواپیما شامل ۴ بمب‌افکن، ۶۴ جنگنده برای برتری هوایی، ۴۸ تانکر سوخت‌رسان و ۱۳ هواپیمای مخصوص نجات به پرواز درآمدند. تیم‌های ویژه‌ای از Delta Force و SEAL Team Six مأموریت استخراج زمینی را برعهده گرفتند. در لایه هوشمندی نیز ادعا می‌شود که سیستم گوست مرمر برای دقیق‌سازی موقعیت خلبان در کنار بیکن CSEL فعال بود.

نقش سیستم CSEL در کنار گوست مرمر

سیستم CSEL (Combat Survivor Evader Locator)، ساخت شرکت بوئینگ، در واقع ستون فقرات قابل تأیید این عملیات بود. این دستگاه مختصات GPS رمزگذاری‌شده را از طریق ماهواره ارسال می‌کند و احتمال رهگیری آن بسیار پایین است. گزارش شده که حدود ۱۴ ساعت پس از سقوط، نیروهای آمریکایی از طریق همین سیگنال‌های بیکن توانستند موقعیت تقریبی خلبان را تعیین کنند.

نقطه‌ای که گوست مرمر وارد می‌شود این است: وقتی خلبان برای ایمنی دستگاه CSEL را خاموش می‌کرد، چه چیزی موقعیت دقیق او را مشخص می‌کرد؟ ادعا می‌شود که گوست مرمر این خلأ را پر کرده است. همچنین تشخیص حرارتی بدن در برابر زمین سرد کوهستان در شب، به عنوان یک لایه تأیید ثانویه استفاده شد.

آیا ردیابی قلب از فاصله ۶۵ کیلومتری واقعاً ممکن است؟

بسیاری از فیزیکدانان و متخصصان حوزه حسگری کوانتومی نسبت به ادعای برد ۴۰ مایلی (۶۵ کیلومتری) این سیستم بسیار تردید دارند. این تردید بر پایه اصول بنیادین فیزیک استوار است، نه صرف بدبینی.

قانون مکعب معکوس و محاسبه افت سیگنال در فواصل طولانی

قلب انسان از نظر فیزیکی مانند یک دوقطبی مغناطیسی عمل می‌کند. برای چنین منبعی، قانون حاکم بر کاهش میدان با فاصله، قانون مکعب معکوس (1/r³) است؛ یعنی با دو برابر شدن فاصله، قدرت میدان هشت برابر کاهش می‌یابد.

جان ویکس‌وو، فیزیکدان دانشگاه وندربیلت و اولین دانشمندی که میدان مغناطیسی یک عصب منزوی را اندازه‌گیری کرد، این رابطه را با مثالی ملموس توضیح می‌دهد: در سطح قفسه سینه و در فاصله ۱۰ سانتی‌متری، میدان مغناطیسی به‌سختی قابل تشخیص است؛ اگر همین فاصله به یک متر برسد، دامنه سیگنال به یک‌هزارم مقدار اولیه کاهش می‌یابد. در فاصله ۶۵ کیلومتری، این کاهش به عدد نجومی ۲ کوینتیلیون (عدد ۲ با ۱۸ صفر) برابر می‌رسد—سیگنالی که از نظر فیزیکی عملاً وجود ندارد.

چالش نسبت سیگنال به نویز (SNR) در محیط‌های باز

بردلی راث، فیزیکدان دانشگاه اوکلند بر سابقه شش‌دهه‌ای این حوزه تأکید می‌کند: اندازه‌گیری میدان مغناطیسی قلب همواره در آزمایشگاه‌های محافظت‌شده و در فاصله چند سانتی‌متری انجام شده، و حتی در آن شرایط کنترل‌شده هم ثبت آن به‌سختی ممکن است. از نظر او، سیستمی که بتواند این کار را از هلیکوپتر یا پهپاد انجام دهد، نه یک پیشرفت تدریجی، بلکه جهشی انقلابی نسبت به وضعیت فعلی فناوری خواهد بود—جهشی که هیچ مسیر فنی روشنی برای تحقق آن وجود ندارد.

چاد اورزل، فیزیکدان کالج یونیون، این نکته را صریح‌تر بیان می‌کند: تمام سیستم‌های موجود در حوزه مگنتومتری کوانتومی زیستی، بدون استثنا، از موقعیتی چسبیده به قفسه سینه و در فاصله‌ای حدود ۱۰ سانتی‌متر کار می‌کنند. او تأکید می‌کند که کارهای جذاب و واقعی‌ای با مگنتومتری کوانتومی برای اندازه‌گیری ضربان قلب در جریان است، اما هیچ‌کدام در فواصل چند مایلی کار نمی‌کنند.

منتقدان علمی استدلال می‌کنند که این مشکل ماهیتی بنیادین دارد، نه صرفاً مهندسی. وقتی سیگنال از نظر فیزیکی در زیر سطح نویز ناپدید می‌شود—و میدان مغناطیسی زمین حدود یک میلیارد بار قوی‌تر از سیگنال قلب در نزدیکی بدن است—هیچ الگوریتم هوش مصنوعی‌ای، هرچقدر هم پیشرفته، نمی‌تواند آن را بازیابی کند. این تفاوت بین «سیگنال ضعیف» و «سیگنال غایب» است.

فرضیه عملیات روانی؛ آیا گوست مرمر یک داستان پوششی است؟

در کنار روایت‌های فنی، برخی تحلیلگران حوزه امنیت و مطالعات راهبردی احتمال دیگری را نیز مطرح می‌کنند: اینکه گوست مرمر بیش از آن‌که یک فناوری عملیاتی شناخته‌شده باشد، می‌تواند بخشی از یک چارچوب روایت‌سازی یا جنگ روانی باشد. در چنین سناریویی، هدف اصلی نه نمایش یک توانمندی مشخص، بلکه القای این تصور به مخاطب—به‌ویژه طرف مقابل—است که سطحی از توان ردیابی بسیار پیشرفته در اختیار است.

بر اساس این دیدگاه، آنچه در عمل رخ می‌دهد ممکن است متکی بر ترکیبی از روش‌های متعارف‌تر اما غیرشفاف باشد؛ مانند سیگنال‌های اضطراری، پردازش تصاویر ماهواره‌ای با کمک الگوریتم‌های پیشرفته، تحلیل داده‌های سیگنالی و برخی شیوه‌های تصویربرداری حرارتی. در این میان، استفاده از یک نام خاص و تا حدی مرموز، می‌تواند کارکردی نمادین داشته باشد: تقویت اثر بازدارندگی ذهنی و در عین حال، ایجاد ابهام درباره سازوکارهای واقعی.

از منظر ارتباطات راهبردی، چنین رویکردی پدیده‌ای تازه محسوب نمی‌شود و در ادبیات این حوزه، به‌عنوان بخشی از مدیریت ادراک و کنترل روایت شناخته می‌شود. با این حال، به‌دلیل محدود بودن اطلاعات قابل‌اتکا، قضاوت قطعی درباره ماهیت این‌گونه موارد همواره با عدم‌قطعیت همراه است.

فناوری‌های مشابه و کاربردهای واقعی مگنتومتری کوانتومی

جدا از ادعاهای اغراق‌آمیز، فناوری مگنتومتری کوانتومی کاربردهای واقعی و اثبات‌شده‌ای دارد که پایه‌های علمی محکمی دارند.

کاربردهای پزشکی؛ مگنتوکاردیوگرافی غیرتهاجمی

مگنتوکاردیوگرافی (MCG) جایگزینی غیرتهاجمی برای الکتروکاردیوگرافی (ECG) است و سال‌هاست در بیمارستان‌های پیشرفته استفاده می‌شود. مزیت اصلی آن تشخیص اختلالات قلبی در مراحل ابتدایی‌تر و با دقت بیشتر است، زیرا میدان مغناطیسی اطلاعاتی را فراهم می‌کند که جریان الکتریکی ECG نمی‌تواند به تنهایی نشان دهد.

دستاورد ژانویه ۲۰۲۶ از دانشگاه ماینتس، استفاده از سنسورهای الماس NV برای MCG در دمای اتاق را برای اولین بار ممکن ساخت. اگرچه این آزمایش در فواصل سانتی‌متری انجام شد و نیاز به میانگین‌گیری از هزاران ضربان داشت، اما دروازه‌ای به سوی دستگاه‌های MCG قابل‌حمل و مقرون‌به‌صرفه گشود.

کاربردهای نظامی؛ از ردیابی زیردریایی تا ناوبری بدون GPS

مگنتومتری برای تشخیص اشیاء فلزی بزرگ، سابقه‌ای طولانی در کاربردهای نظامی دارد. سیستم MAD (تشخیص ناهنجاری مغناطیسی) از دهه‌ها پیش برای ردیابی زیردریایی‌ها از هواپیماهای گشتی استفاده می‌شود. تفاوت کلیدی این است که بدنه فولادی یک زیردریایی سیگنال مغناطیسی چندین مرتبه‌ای قوی‌تر از قلب انسان تولید می‌کند.

ناوبری مغناطیسی (MagNav) کاربرد دیگری است که در آن مگنتومترهای کوانتومی نقشه مغناطیسی زمین را می‌خوانند تا موقعیت هواپیما بدون نیاز به GPS تعیین شود. این کاربرد در برابر جمینگ GPS اهمیت استراتژیک دارد. همچنین سنسورهای مغناطیسی برای کشف مین، بمب‌های جاده‌ای (IED) و سازه‌های زیرزمینی به‌کار می‌روند.

برنامه RoQS دارپا و آینده سنسورهای کوانتومی میدانی

برنامه RoQS (سنسورهای کوانتومی مقاوم) دارپا که در اواخر ۲۰۲۴ آغاز شد، هدفی مشخص دارد: تبدیل سنسورهای کوانتومی آزمایشگاهی به ابزارهایی که در شرایط سخت میدان نبرد دوام بیاورند. این برنامه بر مقاوم‌سازی در برابر لرزش پلتفرم، تغییرات دما و تداخلات الکترومغناطیسی تمرکز دارد.

تمرکز اصلی RoQS نه ردیابی قلب انسان، بلکه ناوبری بدون GPS است. سیگنال‌های مغناطیسی که در این کاربرد استفاده می‌شوند میلیاردها برابر قوی‌تر از سیگنال قلب هستند. این تفاوت بنیادین نشان می‌دهد که حتی ابزارهای تحقیقاتی رسمی، فاصله زیادی با ادعاهای گوست مرمر دارند.

هوش مصنوعی در گوست مرمر؛ مدل‌ها و نحوه پردازش سیگنال

در سیستم‌های مگنتومتری کوانتومی مانند گوست مرمر، ارزش رقابتی از سخت‌افزار به سمت هوشمندی پردازش داده در حال حرکت است. سنسور تنها داده خام تولید می‌کند؛ این هوش مصنوعی است که آن داده را معنادار می‌کند.

شبکه‌های عصبی عمیق برای تشخیص الگوی ضربان قلب

شبکه‌های عصبی عمیق (DNN) پایه پردازش سیگنال در این سیستم‌ها هستند. این شبکه‌ها بر روی مجموعه‌داده‌های گسترده‌ای از سیگنال‌های مغناطیسی قلب آموزش دیده‌اند تا ویژگی‌های زمانی و فرکانسی ضربان انسانی را بشناسند.

شبکه‌های عصبی پیچشی (CNN) با معماری‌هایی مانند Inception و Xception برای دسته‌بندی الگوهای زیستی استفاده می‌شوند. این مدل‌ها می‌توانند با دقت‌هایی بالای ۹۷ درصد در شرایط آزمایشگاهی کنترل‌شده، الگوهای مختلف زیستی را از هم تشخیص دهند. چالش اصلی انتقال این دقت به محیط‌های واقعی پرنویز است.

فیلتراسیون تطبیقی و حذف نویز پلتفرم متحرک

نصب سنسور روی پلتفرم متحرک مانند هلیکوپتر یک مشکل فیزیکی جدی ایجاد می‌کند. ارتعاشات موتور، نوسانات پروانه و میدان‌های الکترومغناطیسی خود پرنده همه به سیگنال دریافتی اضافه می‌شوند.

فیلتراسیون تطبیقی از مدل‌هایی استفاده می‌کند که الگوی نویز پلتفرم را یاد می‌گیرند و آن را به‌صورت بلادرنگ از سیگنال کم می‌کنند. این الگوریتم‌ها باید هم‌زمان با تغییر شرایط پرواز (سرعت، ارتفاع، دما) به‌روزرسانی شوند. شرکت Q-CTRL نرم‌افزاری توسعه داده که ادعا می‌کند می‌تواند تداخلات پلتفرم را تا ۱۱۱ برابر بهتر از روش‌های کلاسیک حذف کند.

همجوشی داده از چند حسگر برای موقعیت‌یابی دقیق

در بسیاری از کاربردهای پیشرفته، دستیابی به موقعیت‌یابی دقیق صرفاً با تکیه بر یک منبع داده امکان‌پذیر نیست. رویکرد «همجوشی حسگرها» (Sensor Fusion) با هدف رفع همین محدودیت شکل گرفته است؛ به این صورت که داده‌های حاصل از منابع مختلف با یکدیگر ترکیب می‌شوند تا ضعف‌های هر کدام، توسط نقاط قوت دیگری پوشش داده شود.

در برخی تحلیل‌ها، از ترکیب داده‌هایی مانند اندازه‌گیری‌های مگنتومتری، سیگنال‌های اضطراری، تصاویر حرارتی و اطلاعات مبتنی بر رادارهای برد کوتاه به‌عنوان نمونه‌ای از این رویکرد یاد می‌شود. چنین ترکیبی می‌تواند دید جامع‌تری از محیط فراهم کند، هرچند جزئیات اجرایی آن معمولاً در دسترس عمومی نیست.

از نظر مفهومی، بسیاری از مدل‌های همجوشی بر پایه روش‌های احتمالاتی، از جمله تخمین بیزی، عمل می‌کنند. در این چارچوب، هر منبع داده با توجه به میزان دقت و قابلیت اطمینانش وزن‌دهی شده و در مدل نهایی لحاظ می‌شود. خروجی چنین سیستمی معمولاً به‌صورت یک تخمین از موقعیت، همراه با سطحی از عدم‌قطعیت یا بازه اطمینان ارائه می‌شود؛ مفهومی که در کاربردهای عملی، به تصمیم‌گیری آگاهانه‌تر کمک می‌کند.

آیا می‌توان فردی را در میان جمعیت با این فناوری شناسایی کرد؟

این پرسش به دو بخش جداگانه تقسیم می‌شود: تشخیص وجود انسان در یک محدوده، و شناسایی هویت یک فرد خاص در میان جمعیت. این دو از نظر پیچیدگی فنی تفاوت بنیادی دارند.

تفاوت ردیابی در محیط پاک و محیط پرجمعیت

در محیط‌های دورافتاده مانند کوه‌ها و بیابان‌ها، اگر سیستم سیگنال ضربان قلبی شناسایی کند، به احتمال بسیار زیاد متعلق به همان فرد مورد جستجو است. در این «محیط پاک» تداخل بیولوژیکی وجود ندارد.

اما در یک فضای شهری یا محیط پرجمعیت، ده‌ها یا صدها سیگنال قلبی به طور هم‌زمان دریافت می‌شود. این سیگنال‌ها به شدت با هم تداخل دارند و نسبت سیگنال به نویز بیولوژیکی به شدت کاهش می‌یابد. حتی اگر دستگاه بتواند سیگنال‌ها را از هم جدا کند، باید الگوی خاص یک فرد را از میان الگوهای متعدد دیگر بشناسد.

چالش‌های بیولوژیکی و فیزیکی شناسایی در فضاهای شلوغ

شناسایی هویت از روی ضربان قلب یک چالش بنیادین دارد: آیا الگوی ضربان قلب هر فرد به اندازه کافی منحصربه‌فرد است که بتوان از آن به عنوان شناسه بیومتریک استفاده کرد؟

تحقیقات نشان می‌دهد که ریتم قلبی در شرایط مختلف (استراحت، استرس، بیماری، ورزش) تغییر می‌کند. علاوه بر این، در فضاهای پرجمعیت، سیگنال‌های افراد همسایه مانند نویز اضافی عمل می‌کنند. هوش مصنوعی برای حل این مشکل نیاز به داده‌های آموزشی فراوان از همان فرد در شرایط مختلف دارد.

ترکیب با فناوری‌های دیگر برای افزایش دقت شناسایی

در سناریوهای واقعی، به‌ویژه در محیط‌های پرتراکم، اتکا به یک فناوری واحد برای شناسایی دقیق معمولاً کارآمد نیست. رویکرد قابل‌اتکاتر، استفاده از مگنتومتری در کنار مجموعه‌ای از روش‌های مکمل است که هرکدام بخشی از پازل شناسایی را تکمیل می‌کنند. ترکیب این فناوری با ابزارهایی مانند تشخیص چهره، تحلیل الگوی حرکت (Gait Analysis)، تصویربرداری حرارتی و برخی داده‌های سیگنالی، می‌تواند سطحی از قطعیت ایجاد کند که هیچ‌یک از این روش‌ها به‌تنهایی قادر به دستیابی به آن نیستند.

در برخی گزارش‌های تحلیلی نیز به این نکته اشاره شده که موفقیت در چنین فرآیندهایی بیشتر حاصل «تجمیع داده‌ها» و «همپوشانی لایه‌های مختلف اطلاعاتی» است، نه عملکرد مستقل یک ابزار خاص. در محیط‌های شهری، با توجه به پیچیدگی و حجم بالای داده‌ها، این مدل چندلایه اهمیت بیشتری پیدا می‌کند. با این حال، از منظر معماری سیستم، چارچوب کلی همچنان مبتنی بر ترکیب و اعتبارسنجی متقابل داده‌ها باقی می‌ماند.

چشم‌انداز آینده؛ این فناوری به کجا می‌رود؟

مسیر توسعه مگنتومتری کوانتومی روشن است: کاهش ابعاد، افزایش مقاومت در برابر نویز و بهبود الگوریتم‌های پردازش. اما شکاف میان آنچه در آزمایشگاه ممکن است و آنچه در میدان ادعا می‌شود همچنان چالش اصلی است.

آرایه‌های حسگر توزیع‌شده و افزایش برد عملیاتی

یکی از راه‌های نظری برای افزایش برد، استفاده از آرایه‌های فازی از هزاران سنسور NV است. این رویکرد مشابه تلسکوپ‌های رادیویی عمل می‌کند: با ترکیب سیگنال‌های ضعیف چندین سنسور، نسبت سیگنال به نویز به شدت بهبود می‌یابد. پژوهشگران دانشگاه عبری اورشلیم نشان داده‌اند که سلول‌های بخار اتمی می‌توانند از فاصله ۱۰ متری با دقت ۱ پیکوتسلا میدان مغناطیسی زمین را نقشه‌برداری کنند. این دستاورد چشمگیر است، اما همچنان فاصله‌ای بسیار زیاد با ادعای ۶۵ کیلومتری دارد.

الگوریتم‌های نسل بعدی برای تشخیص تک‌ضربان در زمان واقعی

محدودیت فعلی سیستم‌های پیشرفته نیاز به میانگین‌گیری از هزاران ضربان قلب است. هدف محققان رسیدن به «تشخیص تک‌ضربان» (Single-shot MCG) است؛ توانایی تشخیص هر ضربان قلب به‌صورت بلادرنگ و بدون نیاز به انباشت داده.

الگوریتم‌های جدید مبتنی بر انرژی مشتق و آنتروپی طیفی برای شناسایی لحظه‌ای رویدادهای مغناطیسی در نسبت‌های سیگنال به نویز بسیار پایین در حال توسعه هستند. رسیدن به این هدف عملکرد میدانی سیستم‌ها را متحول خواهد کرد.

نگرانی‌های حریم خصوصی و اخلاق در نظارت بیومتریک

اگر این فناوری روزی به حدی از کمال برسد که بتواند افراد را در

محیط‌های شهری ردیابی کند، پیامدهای عمیق اخلاقی و حقوقی در پی خواهد داشت. ضربان قلب یک داده بیومتریک خاص است؛ برخلاف تشخیص چهره، نمی‌توان آن را پوشاند یا تغییر داد.

نظارت بیومتریک پیوسته در فضاهای عمومی سوالات بنیادینی درباره حق حریم خصوصی، آزادی تجمع و اصل فرض بی‌گناهی مطرح می‌کند. تحلیلگران حقوقی خاطرنشان می‌کنند که چارچوب‌های قانونی فعلی برای مقابله با این نوع نظارت فیزیولوژیک طراحی نشده‌اند. در حالی که استفاده نظامی در میادین جنگ ممکن است توجیه‌پذیر باشد، گسترش این فناوری به فضاهای غیرنظامی نیازمند مکالمات جدی درباره محدودیت‌های قانونی آن است.

نتیجه گیری

گوست مرمر در تقاطع دو واقعیت متضاد ایستاده: علم کوانتوم که پیشرفت‌هایش انکارناپذیر است، و ادعاهای عملیاتی که با اصول بنیادین فیزیک فاصله دارند.

آنچه مسلم است این است که مگنتومتری کوانتومی یک فناوری واقعی با کاربردهای اثبات‌شده در پزشکی، ناوبری نظامی و کشف اجسام فلزی است. سنسورهای الماس NV انقلابی در این حوزه ایجاد کرده‌اند و برنامه‌هایی مانند RoQS دارپا نشان می‌دهند که سرمایه‌گذاری نظامی در این حوزه کاملاً جدی است.

اما ادعای ردیابی ضربان قلب از فاصله ۶۵ کیلومتری با موانع فیزیکی جدی روبه‌روست. قانون مکعب معکوس، مشکل نسبت سیگنال به نویز و نبود هیچ سند علمی تأییدشده‌ای برای این برد، تردیدهای معتبری ایجاد می‌کنند که نمی‌توان آن‌ها را نادیده گرفت.

شاید واقع‌بینانه‌ترین قرائت این باشد که گوست مرمر ترکیبی است از یک فناوری واقعی در حال توسعه، یک داستان پوششی برای پنهان کردن روش‌های اطلاعاتی متعارف، و یک ابزار جنگ روانی که هدفش ایجاد بازدارندگی از طریق ابهام است. در چنین ترکیبی، مرز میان علم و اسطوره عمداً مبهم نگه داشته می‌شود.

آنچه این فناوری، واقعی یا اغراق‌آمیز، قطعاً به ما یادآوری می‌کند این است که پیشرفت سنسورهای زیستی نگرانی‌های جدی درباره حریم خصوصی ایجاد می‌کند که چارچوب‌های قانونی فعلی برای مقابله با آن‌ها آماده نیستند.

سوالات متداول

منابع

Is the ‘Ghost Murmur’ quantum device possible? Scientists are skeptical - scientificamerican

Quantum Sensing And AI Signal Detection: What’s Real Behind The “Ghost Murmur” Claim - em360tech

Portable sensor detects biomagnetic signals in noisy outdoor environments - physicsworld

Did a Quantum Sensor Help Rescuers Find a Downed American Pilot? – thequantuminsider

DARPA eyeing new quantum sensing program - defensescoop

National quantum network to be launched by March 2026 - tehrantimes

Portable Single-Beam Atomic Total-Field Magnetometer for Stand-off Magnetic Sensing - arxiv

Remote Chip-Scale Quantum Sensing of Magnetic Fields - arxiv

RoQS: Robust Quantum Sensors - darpa

Human Cardiac Measurements with Diamond Magnetometers - arxiv

Trump confirms CIA ‘Ghost Murmur’ tool was ‘very important’ to find airman in Iran — as experts debate how it works - dnyuz