कृत्रिम नैनोवायर नेटवर्क बिजली से उत्तेजित होने पर मस्तिष्क की तरह कार्य करता है

सिडनी विश्वविद्यालय और जापान के नेशनल इंस्टीट्यूट फॉर मैटेरियल साइंस (एनआईएमएस) के वैज्ञानिकों ने खोज की है कि कैसे एक कृत्रिम नैनोवायर नेटवर्क को बिजली से उत्तेजित होने पर मस्तिष्क की तरह कार्य करने के लिए बनाया जा सकता है।

अध्ययन नेचर कम्युनिकेशंस में प्रकाशित किया गया था।

अंतर्राष्ट्रीय टीम का नेतृत्व जोएल होचस्टेटर ने किया था, जिन्हें प्रोफेसर जेडेनका कुन्सिक और प्रोफेसर तोमोनोबु नाकायामा ने जॉइन किया था।

टीम ने पाया कि वे नैनोवायर नेटवर्क को एक मस्तिष्क जैसी स्थिति में रख सकते हैं “अराजकता के किनारे” और इष्टतम स्तर पर कार्य कर सकते हैं।

शोधकर्ताओं के अनुसार, यह सुझाव देता है कि तंत्रिका बुद्धिमत्ता की अंतर्निहित प्रकृति भौतिक है, और यह कृत्रिम बुद्धिमत्ता में नए विकास का मार्ग प्रशस्त कर सकती है।

जोएल होचस्टेटर सिडनी विश्वविद्यालय नैनो संस्थान और भौतिकी विद्यालय में एक पीएचडी उम्मीदवार हैं और पेपर के प्रमुख लेखक हैं।

“हमने 10 माइक्रोमीटर लंबे और 500 नैनोमीटर से अधिक मोटे तारों का उपयोग किया, जो एक दो-आयामी विमान पर यादृच्छिक रूप से व्यवस्थित किए गए थे,” होचस्टेटर ने कहा।

“जहां तार ओवरलैप होते हैं, वे एक इलेक्ट्रोकेमिकल जंक्शन बनाते हैं, जैसे कि न्यूरॉन्स के बीच सिनैप्स,” उन्होंने कहा। “हमने पाया कि इस नेटवर्क में इलेक्ट्रिकल सिग्नल डालने से स्वचालित रूप से जानकारी को प्रसारित करने के लिए सबसे अच्छा मार्ग मिलता है। और यह वास्तुकला नेटवर्क को ‘याद’ रखने की अनुमति देती है पिछले मार्गों को प्रणाली के माध्यम से।”

नैनोवायर नेटवर्क का परीक्षण

शोध टीम ने नैनोवायर नेटवर्क का परीक्षण करने के लिए सिमुलेशन का उपयोग किया ताकि यह जाना जा सके कि यह कैसे सबसे अच्छा प्रदर्शन कर सकता है और सरल कार्यों को हल कर सकता है।

जब नेटवर्क को उत्तेजित करने वाला संकेत बहुत कम था, तो मार्ग पर्याप्त जटिल आउटपुट नहीं उत्पन्न करता था क्योंकि वे बहुत पredictable थे। दूसरी ओर, यदि नेटवर्क संकेत से अभिभूत हो गया, तो आउटपुट बहुत अराजक था।

इसका मतलब था कि इष्टतम संकेत इस अराजक स्थिति के किनारे पर था, टीम के अनुसार।

प्रोफेसर कुन्सिक सिडनी विश्वविद्यालय से हैं।

“कुछ तंत्रिका विज्ञान के सिद्धांतों का सुझाव है कि मानव मस्तिष्क इस अराजकता के किनारे पर, या जिसे महत्वपूर्ण स्थिति कहा जाता है, पर कार्य कर सकता है,” प्रोफेसर कुन्सिक ने कहा। “कुछ तंत्रिका विज्ञानी सोचते हैं कि यह वह स्थिति है जहां हम अधिकतम मस्तिष्क प्रदर्शन प्राप्त करते हैं।”

“जो इस परिणाम के बारे में इतना रोमांचक है वह यह है कि यह सुझाव देता है कि इन प्रकार के नैनोवायर नेटवर्क को विभिन्न, मस्तिष्क जैसी सामूहिक गतिविधियों के शासन में सेट किया जा सकता है, जो जानकारी प्रसंस्करण को अनुकूलित करने के लिए उपयोग किया जा सकता है,” उन्होंने जारी रखा।

नैनोवायर नेटवर्क तारों के बीच जंक्शनों के कारण एक ही प्रणाली में स्मृति और संचालन को शामिल कर सकता है। यह मानक कंप्यूटरों से अलग है, जो अलग स्मृति और संचालन पर निर्भर करते हैं।

“इन जंक्शनों का व्यवहार कंप्यूटर ट्रांजिस्टर की तरह होता है, लेकिन अतिरिक्त गुणों के साथ कि वे याद रखते हैं कि संकेत पहले उस मार्ग से गुजर चुके हैं,” होचस्टेटर ने कहा।

स्मृति भौतिक रूप में है, जिसमें नैनोवायर के बीच जंक्शन बिंदुओं पर स्विच की तरह कार्य करते हैं। उनका व्यवहार ऐतिहासिक प्रतिक्रिया पर निर्भर करता है बिजली के संकेतों के लिए, और जब संकेत जंक्शनों पर लगाए जाते हैं, तो वे चालू हो जाते हैं क्योंकि करंट उनमें से होकर गुजरता है।

“यह नैनोवायर की यादृच्छिक प्रणाली के भीतर एक स्मृति नेटवर्क बनाता है,” उन्होंने कहा।

टीम ने नेटवर्क की भौतिक क्षमता को प्रदर्शित करने के लिए एक सिमुलेशन विकसित किया।

“इस अध्ययन के लिए हमने नेटवर्क को एक सरल तरंगरूप को अधिक जटिल तरंगरूप में परिवर्तित करने के लिए प्रशिक्षित किया,” होचस्टेटर ने कहा।

टीम ने बिजली के संकेत की तीव्रता और आवृत्ति को समायोजित किया ताकि यह देखा जा सके कि सबसे अच्छा प्रदर्शन कहां होता है।

“हमने पाया कि यदि आप संकेत बहुत धीरे से दबाते हैं, तो नेटवर्क बस एक ही चीज़ बार-बार करता है और विकसित नहीं होता है। यदि हम इसे बहुत तेजी से और तेजी से दबाते हैं, तो नेटवर्क अस्थिर और अप्रत्याशित हो जाता है,” उन्होंने कहा।

वास्तविक दुनिया के लाभ

प्रोफेसर कुन्सिक के अनुसार, स्मृति और संचालन को एकजुट करने से कृत्रिम बुद्धिमत्ता के लिए बड़े लाभ हैं।

“नेटवर्क को प्रशिक्षित करने के लिए आवश्यक एल्गोरिदम जानने के लिए कि कौन से जंक्शन को उपयुक्त ‘भार’ या जानकारी का वजन दिया जाना चाहिए, बहुत अधिक शक्ति का उपभोग करते हैं,” उन्होंने कहा।

“हम जिन प्रणालियों को विकसित कर रहे हैं वे ऐसे एल्गोरिदम की आवश्यकता को समाप्त कर देते हैं। हम बस नेटवर्क को अपना वजन विकसित करने देते हैं, जिसका अर्थ है कि हमें केवल संकेत इन और संकेत आउट के बारे में चिंता करने की आवश्यकता है, एक फ्रेमवर्क जिसे ‘रिजर्वॉयर कंप्यूटिंग’ कहा जाता है। नेटवर्क वजन स्व-आधारित हैं, जो बड़ी मात्रा में ऊर्जा को मुक्त कर सकते हैं,”

कुन्सिक का कहना है कि इसका अर्थ है कि इन नेटवर्क पर निर्भर भविष्य की कृत्रिम बुद्धिमत्ता प्रणालियों में बहुत कम ऊर्जा का निशान होगा।