वैज्ञानिकों ने भविष्य में "एक चिप पर मस्तिष्क" के लिए एक कृत्रिम सिंक बनाया है

मानव मस्तिष्क ब्रह्मांड में सबसे बेरोज़गार संरचना है। 100 ट्रिलियन सिनैप्स के विभिन्न आयाम और आवृत्तियों के साथ 100 बिलियन न्यूरॉन्स एक-दूसरे तंत्रिका आवेगों में संचारित होते हैं। इस प्रणाली का उपयोग करते हुए, हम बिजली की गति के साथ कई समस्याओं को सीखते हैं और हल करते हैं। मैसाचुसेट्स इंस्टीट्यूट ऑफ टेक्नोलॉजी में इंजीनियरों की टीम ने एक कृत्रिम सिंटैप बनाया, जो मौजूदा नमूनों की मुख्य कमियों में से एक से रहित है - आयनों के आंदोलन की अप्रत्याशितता।



1906 में, चिकित्सा में नोबेल पुरस्कार को कैमिलो गोल्गी और सेंटिएज रामोन आई काहल द्वारा तंत्रिका तंत्र की संरचना और तंत्रिका कोशिकाओं के वर्गीकरण पर काम करने के लिए सम्मानित किया गया था। पिछले सौ वर्षों में वैज्ञानिकों और डॉक्टरों ने मानव तंत्रिका तंत्र और मस्तिष्क के बारे में बहुत कुछ जानने में कामयाबी हासिल की है, लेकिन अभी तक सभी सवालों के जवाब नहीं हैं। विशेष रूप से महत्वपूर्ण इलेक्ट्रॉन और 3 डी माइक्रोस्कोपी के क्षेत्र में नवीनतम तकनीकी विकास का उपयोग करके मानव मस्तिष्क परियोजना के हिस्से के रूप में की गई खोजें थीं।

मस्तिष्क में, न्यूरॉन्स अक्षतंतु द्वारा जुड़े होते हैं - एक प्रकार की विद्युत केबल। कुल्हाड़ियों के साथ तंत्रिका आवेग रासायनिक मध्यस्थों की मदद से एक विद्युत तरीके से सिनेप्स से गुजरते हैं, जिसमें आयन एक कोशिका से दूसरे में जाते हैं, और मिश्रित होते हैं जब एक रासायनिक संचरण विद्युत तंत्र को बढ़ाता है।


दो न्यूरॉन्स के बीच आवेग संचरण। अमेरिकी स्वास्थ्य विभाग

न्यूरोमॉर्फिक कंप्यूटिंग के क्षेत्र में काम करने वाले वैज्ञानिक एक ऐसा कंप्यूटर बनाने की कोशिश कर रहे हैं जो मानव मस्तिष्क के समान तरीके से काम करता है। लोगों और शून्य के साथ द्विआधारी गणना के बजाय, वे ऐसे तत्वों का उपयोग करने की कोशिश करते हैं जो मानव मस्तिष्क की तरह, विभिन्न "रंगों" का उपयोग करके "एनालॉग" सिग्नल प्रसारित करते हैं, जहां सिग्नल सिनाप्स से गुजरने वाले आयनों की संख्या पर निर्भर करता है। यदि आधुनिक कंप्यूटर समीकरणों को हल करने और एल्गोरिदम चलाने के लिए उपयुक्त हैं, तो पर्यावरण के साथ बातचीत के मामले में, वे मानव मस्तिष्क के लिए उपलब्ध दक्षता दिखाने में सक्षम नहीं हैं: 2012 में, Google ने 1000 सर्वर और 16 मिलियन कोर का उपयोग करके बिल्लियों को पहचानने के लिए एक तंत्रिका नेटवर्क बनाया। छोटे न्यूरोमॉर्फिक चिप्स एक साथ लाखों गणनाओं को निष्पादित करने में सक्षम होंगे जो केवल सुपर कंप्यूटर आज के लिए सक्षम हैं।

जब एक सिनैप्स का अनुकरण करने के लिए न्यूरोमाफिक चिप्स का निर्माण किया जाता है, तो अनाकार सामग्री का सबसे अधिक उपयोग किया जाता है। उनके माध्यम से गुजरने वाले आयनों में आंदोलन के लिए कई दिशाएं हैं। यह कठिनाई है: इस वजह से, यह अनुमान लगाना असंभव है कि संकेत कहां जाएगा और सड़क के साथ कितने आयन खो जाएंगे।

मैसाचुसेट्स इंस्टीट्यूट ऑफ टेक्नोलॉजी के इंजीनियरों ने एक ऐसा कृत्रिम सिनाप्लेस तैयार किया , जिसमें वे इसके माध्यम से गुजरने वाले विद्युत सिग्नल की दिशा को नियंत्रित कर सकते थे। अनाकार सामग्री के बजाय, वैज्ञानिकों ने मोनोक्रिस्टलाइन सिलिकॉन का उपयोग किया, जिसमें उन्होंने एक दोष बनाने की कोशिश की जिसके माध्यम से आयनों का अनुमान लगाया जा सकता था। छत्ते के रूप में एक सूक्ष्म पैटर्न एक सिलिकॉन वेफर पर लागू किया गया था। इस प्लेट पर एक समान पैटर्न वाली जर्मेनियम परत लगाई गई थी। ये दोनों सामग्रियां मिलकर एक "फ़नल" बनाती हैं, जो कड़ाई से परिभाषित मार्ग के साथ आयनों को प्रवाहित करता है।

तब वैज्ञानिकों ने आविष्कार की प्रभावशीलता का परीक्षण किया: प्रत्येक सिंक के माध्यम से लगभग एक ही आयन प्रवाह पारित हुआ। सिनैप्स के बीच का अंतर 4% तक था, और जब 700 चक्रों के लिए एक सिनैप्स का परीक्षण किया गया, तो गुजरने वाले प्रवाह में परिवर्तन चक्र से चक्र तक 1% तक था। डेवलपर्स के अनुसार, इस तरह के परिणाम अभी तक अनाकार सामग्री के आधार पर निर्मित सिनेप्स में हासिल नहीं किए गए हैं।

विकास के लिए अंतिम परीक्षा हस्तलिपि पहचान का कार्य था। वैज्ञानिकों की टीम ने कृत्रिम सिनेप्स की दो परतों से जुड़े न्यूरॉन्स की तीन परतों के एक कृत्रिम तंत्रिका नेटवर्क के एक कंप्यूटर सिमुलेशन का प्रदर्शन किया, जिनमें से विशेषताओं को मूल रूप से उनके द्वारा निर्मित चिप से मापा गया था। मॉडल को हज़ारों हस्तलिपि नमूनों से भरा गया था जो आमतौर पर न्यूरोमॉर्फिक चिप्स के डेवलपर्स द्वारा उपयोग किया जाता है। तंत्रिका नेटवर्क ने 95% मामलों में नमूनों को पहचान लिया, मौजूदा सॉफ़्टवेयर एल्गोरिदम की 97% सटीकता से थोड़ा बदतर है। टीम का अगला लक्ष्य काम करने वाली न्यूरोमॉर्फिक चिप बनाना है जो सिमुलेशन का उपयोग करके किए गए प्रयोग को दोहरा सकता है।

इंजीनियरिंग टीम के प्रमुख कहते हैं, '' हम एक बड़े सुपर कंप्यूटर की जगह एक चिप का आकार चाहते हैं।