न्यूरोमॉर्फिक चिप्स को प्रशिक्षित करने का नया तरीका

न्यूरोमोर्फिक कंप्यूटर मानव मस्तिष्क की संरचना पर आधारित होते हैं। प्रशिक्षण के लिए अभी भी बाहरी प्रशिक्षण सॉफ़्टवेयर की आवश्यकता होती है, जो समय लेने वाली और ऊर्जा-अक्षम हो सकती है। हालाँकि, शोधकर्ताओं ने अब एक न्यूरोमॉर्फिक बायोसेंसर चिप विकसित की है जो बाहरी प्रशिक्षण के बिना स्वतंत्र रूप से सीख सकती है।

जैसा कि इसमें प्रस्तुत किया गया है नेचर इलेक्ट्रॉनिक्स में एक लेख अमेरिका में टीयू/ई और नॉर्थवेस्टर्न यूनिवर्सिटी के शोधकर्ताओं ने सिस्टिक फाइब्रोसिस का पता लगाने के लिए बायोसेंसर के रूप में चिप का उपयोग करके न्यूरोमॉर्फिक चिप्स को प्रशिक्षित करने का एक तरीका तैयार किया है।

“उदाहरण के लिए, न्यूरोमॉर्फिक कंप्यूटर स्वास्थ्य देखभाल पर एक बड़ा प्रभाव डाल सकते हैं, खासकर जब किसी बीमारी या स्थिति के परीक्षण के लिए प्रयोगशाला के बाहर अनुप्रयोगों और उपकरणों की बात आती है,” शोधकर्ता एवलिन वैन डोरेमेले कहते हैं। “हमारे शोध में, हमने स्वास्थ्य देखभाल में न्यूरोमॉर्फिक कंप्यूटर के उपयोग से संबंधित एक महत्वपूर्ण समस्या का समाधान किया।”

स्वास्थ्य देखभाल अभ्यास में व्यावहारिक उपयोग के लिए, न्यूरोमॉर्फिक तकनीक को कम बिजली की खपत करनी चाहिए, एक सेंसर के साथ इंटरफेस करना चाहिए और उपयोग के लिए प्रशिक्षित करना आसान होना चाहिए। पहले दो को न्यूरोमॉर्फिक इलेक्ट्रॉनिक्स से हल किया जा सकता है। हालाँकि, केंद्रीय मुद्दा अभी भी प्रशिक्षण हिस्सा था।

अब तक, न्यूरोमॉर्फिक चिप के तंत्रिका नेटवर्क को बाहरी सॉफ़्टवेयर का उपयोग करके प्रशिक्षित किया जाता था। “हमारी चिप वास्तविक समय के रोगी डेटा को संसाधित करके स्वयं सीख सकती है। यह वास्तव में प्रशिक्षण प्रक्रिया को गति देता है और वास्तविक इंटरैक्टिव बायोएप्लिकेशन में चिप के उपयोग को बढ़ावा देता है, ”शोधकर्ता ने कहा।

क्लोराइड आयनों की खोज करें

चिप का परीक्षण सिस्टिक फाइब्रोसिस के लिए किया गया है, जिसके लिए अच्छे परीक्षण और विश्वसनीय सेंसर पहले से ही उपलब्ध हैं। इससे परिणामों को सत्यापित करना आसान हो जाता है।

न्यूरोमॉर्फिक बायोसेंसर में एक सेंसर मॉड्यूल, न्यूरल नेटवर्क हार्डवेयर और एक वर्गीकरण भाग होता है। सेंसर मॉड्यूल में पसीने की एक बूंद डाली जाती है, जिसके बाद आयन-चयनात्मक इलेक्ट्रोड के साथ पसीने में क्लोराइड और अन्य आयन सांद्रता का पता लगाया जाता है। इन संकेतों को न्यूरोमॉर्फिक चिप द्वारा संसाधित किया जाता है, जिसके बाद परिणाम क्रमशः हरे या लाल बत्ती के रूप में नकारात्मक या सकारात्मक परिणाम का संकेत देता है।

‘डेटा जिम’ में प्रशिक्षण

वास्तविक पसीने के नमूनों का मूल्यांकन करने के लिए चिप का उपयोग करने से पहले, तंत्रिका नेटवर्क को पर्यवेक्षित प्रशिक्षण के लिए ‘डेटा जिम’ में जाना पड़ता था।

“हमने अलग-अलग और ज्ञात आयन सांद्रता के साथ पसीने के कई नमूने तैयार किए और फिर चिप पर नमूनों का परीक्षण किया। यदि परीक्षण के लिए चिप का परिणाम गलत था, तो हमने चिप को ठीक कर दिया, जिसके परिणामस्वरूप तंत्रिका नेटवर्क के नोड्स के बीच वजन में सुधार हुआ, ”वैन डोरेमेले कहते हैं। “यह महत्वपूर्ण है कि हम चिप को हार्डवेयर पर ही प्रशिक्षित करें।”

यह इस शोध में सबसे महत्वपूर्ण प्रगति है – बाहरी सॉफ़्टवेयर की आवश्यकता के बिना, चिप पर तंत्रिका नेटवर्क को प्रशिक्षित करने की क्षमता। “एक बार जब चिप को समस्या के लिए प्रशिक्षित किया जाता है, तो किसी और बाहरी नियंत्रण या हस्तक्षेप की आवश्यकता नहीं होती है।”

पुन: प्रयोज्य

इसके अलावा, भले ही चिप प्रशिक्षित हो, इसका उपयोग किसी अन्य समस्या के लिए किया जा सकता है। “मान लीजिए कि आप एक स्मार्ट कृत्रिम हाथ या बांह में उसी तंत्रिका नेटवर्क हार्डवेयर का उपयोग करना चाहते हैं। फिर आपको बस ‘डेटा जिम’ में तंत्रिका नेटवर्क को हाथ या बांह की गतिविधियों के बारे में जानकारी के साथ फिर से प्रशिक्षित करना है,” वान डोरेमेले कहते हैं।

यह नया ऑन-चिप सीखने का दृष्टिकोण वैयक्तिकृत इम्प्लांटेबल न्यूरल नेटवर्क के द्वार खोलता है जो अंतिम उपयोगकर्ता द्वारा सीधे उस उपयोगकर्ता से प्राप्त डेटा का उपयोग करके प्रशिक्षित किया जाता है। “स्वास्थ्य देखभाल के लिए तंत्रिका नेटवर्क को प्रशिक्षित करने का ऐसा दृष्टिकोण मनुष्यों के लिए महत्वपूर्ण प्रभाव डाल सकता है। इससे एक दिन प्रोस्थेटिक्स या अन्य समान उपकरणों को नियंत्रित करने के लिए चिप्स को वास्तविक समय में प्रशिक्षित करना संभव हो सकता है। वास्तविक नवीनता यह है कि चिप्स सीख सकते हैं और अपने अनुप्रयोग और वातावरण के अनुसार अनुकूलित हो सकते हैं। उन्हें पहले से प्रोग्राम करने की आवश्यकता नहीं है, जैसा कि वर्तमान में होता है।”