शोधकर्ताओं ने एक कम-शक्ति तंत्रिका नेटवर्क बनाने के लिए मानव मस्तिष्क की नकल की

तंत्रिका नेटवर्क - या मानव मस्तिष्क की कृत्रिम प्रतिकृतियां - वैज्ञानिकों और इंजीनियरों को विश्लेषण करना चाहिए जो मनुष्यों की उम्र को ले जाएगा। वे डेटा की अंतहीन तालिका के माध्यम से डाल सकते हैं और उन छवियों की विसंगतियों को इंगित कर सकते हैं जो लोगों द्वारा किसी का ध्यान नहीं जाएंगे।

हालांकि उनमें एक कमी है: खेल में सबसे अच्छा तंत्रिका जाल अपना काम करने के लिए ऊर्जा की अविश्वसनीय मात्रा का उपयोग करते हैं।

"कुछ साल पहले आईबीएम ने एक सुपरकंप्यूटर में एक बिल्ली की मस्तिष्क गतिविधि को अनुकरण करने की कोशिश की थी और उन्होंने मेगावॉट की बिजली की खपत को समाप्त कर दिया था," पर्ड्यू विश्वविद्यालय के शोधकर्ता अभिरनिल सेनगुप्ता बताते हैं श्लोक में । “जैविक मानव मस्तिष्क कहीं भी नहीं है। यह एक प्रत्यक्ष-से-एक तुलना एक तंत्रिका नेटवर्क के लिए नहीं है, लेकिन इससे आपको यह अनुमान लगाना चाहिए कि बिजली-भूखे कंप्यूटिंग सिस्टम कैसे हैं। ”

सेनगुप्ता और पर्ड्यू विश्वविद्यालय और इंस्टीट्यूट ऑफ इलेक्ट्रिकल एंड इलेक्ट्रॉनिक्स इंजीनियर्स (IEEE) में कंप्यूटर वैज्ञानिकों की एक टीम ने एक किक-गधा काम करते हुए कम ऊर्जा का उपभोग करने के लिए तंत्रिका नेटवर्क प्राप्त करने का एक तरीका निकाला। एक पेपर जो उन्होंने प्रिप्रिंट साइट arXiv पर पोस्ट किया है, बताते हैं कि कैसे उन्होंने मानव मस्तिष्क से प्रेरणा ली और अपने तंत्रिका जाल को पारंपरिक प्रणालियों की तुलना में लगभग 11 गुना कम ऊर्जा का उपभोग करने की अनुमति देने के लिए अपने विचार को लागू किया।

उनका दृष्टिकोण तंत्रिका नेटवर्क, या SNN स्पाइकिंग का उपयोग करता है। अपने समकक्षों के विपरीत, ये कम्प्यूटेशनल सिस्टम जैविक न्यूरॉन्स का अधिक सटीक रूप से अनुकरण करते हैं।

मानक तंत्रिका जाल हजारों नोड्स से बने होते हैं जो उन्हें प्रस्तुत किए जाने वाले डेटा के बारे में निर्णय और निर्णय लेने के लिए उपयोग किया जाता है। इनमें से आउटपुट केवल उस पर निर्भर करता है जो वर्तमान में प्रस्तुत किया जा रहा है, जबकि एसएनएन आउटपुट पिछले उत्तेजनाओं पर भी निर्भर करता है। एक SNN में नोड केवल तब काम करेगा जब उत्तेजना का एक निश्चित स्तर तक पहुंच गया हो। इसलिए इसके बजाय निरंतर अन्य नोड्स को डेटा पास करना, एसएनएन नोड केवल सूचना पर पास करते हैं यह करना है.

यह आम तौर पर एक विशाल ऊर्जा लागत पर आता है क्योंकि इनमें से अधिकांश सिस्टम को पूरक धातु-ऑक्साइड-अर्धचालक तकनीक या सीएमओएस के रूप में जाना जाता है। यह तकनीक आपके लैपटॉप में सभी चिप्स बनाती है और इसका उपयोग तंत्रिका नेटवर्क के निर्माण ब्लॉकों के रूप में किया गया है। उनके अध्ययन के लिए शोधकर्ताओं के समूह ने सीएमओएस तकनीक को खोदा और एक एसएनएन बनाया जो पूरी तरह से मेमोरियर्स से बाहर है।

"मेमोरी रेसिस्टर्स" के लिए संक्षिप्त, मेमिस्टर्स का इलेक्ट्रिकल रेसिस्टेंस इस बात पर निर्भर करता है कि अतीत में इसके माध्यम से कितना इलेक्ट्रिक चार्ज प्रवाहित हुआ था। सीएमओएस तकनीक के विपरीत, यह "याद" करने में सक्षम है कि इससे पहले क्या पारित हुआ था, जो कि एसएनएन में नोड्स के लिए ठीक वही है जो करने की आवश्यकता है।

अध्ययन के परिणामों ने दर्शाया कि मेमोरियर्स जैविक न्यूरॉन की बहुत अच्छी तरह से नकल करते हैं। शक्ति के निरंतर प्रवाह के विपरीत, वे स्पाइक्स, या ऊर्जा के कम फटने का उपयोग करते हुए एक दूसरे के साथ संवाद करते हैं। इस मेमोरर-एसएनएन की सटीकता में थोड़ी कमी आई जब इसका उपयोग अपने सीएमओएस समकक्षों की तुलना में छवि वर्गीकरण के लिए किया गया था, लेकिन इसमें पावर स्टैंडर्ड न्यूरल नेट का एक अंश लिया गया था।

इस अध्ययन से पहले SNN हमारे पास मौजूद कृत्रिम मानव मस्तिष्क की सबसे करीबी चीज थी, लेकिन उनके द्वारा उपयोग की जाने वाली शक्ति की भारी मात्रा ने उनके कुछ लाभों को रद्द कर दिया। यदि अन्य वैज्ञानिक इन बिजली-बचत वाले तंत्रिका नेटवर्क को दोहराने में सक्षम हैं, तो यह उन्हें कम ऊर्जा के साथ अधिक करने की अनुमति दे सकता है और जैविक मस्तिष्क को दोहराने के तरीके को समझने के लिए उन्हें करीब ले जाता है।