संगणक विज्ञानाच्या या उदयोन्मुख क्षेत्रात, शास्त्रज्ञ संगणक अधिक जलद आणि अधिक प्रभावी बनवण्यासाठी मेंदूचे मॉडेलिंग करत आहेत. गेल्या काही दशकांमध्ये आम्ही सिलिकॉन आणि इतर सेमीकंडक्टर सामग्रीवर आधारित संगणक प्रोसेसरच्या निर्मितीमुळे तांत्रिक क्रांती घडवून आणली आहे.
संगणक एकेकाळी संपूर्ण खोल्यांइतके होते, परंतु नंतर ते सिंगल चिप्समध्ये कमी केले गेले. मूरचा कायदा, गॉर्डन मूर यांनी 1965 मध्ये वापरलेल्या संकल्पना या निरीक्षणाचे वर्णन करण्यासाठी की प्रति इंटिग्रेटेड चिप घटकांची संख्या दर दोन वर्षांनी दुप्पट होईल, ज्यामुळे संगणक अधिक वेगवान बनतील, या प्रवृत्तीमागील प्रेरक शक्ती आहे.
परंतु संगणक, रोबोट्स, इंटरनेट ऑफ थिंग्ज (IoT) आणि स्मार्ट मशीन्सच्या प्रगतीमुळे संगणकीय मागणी वाढत असल्याने, सेमीकंडक्टर उद्योग अशा टप्प्यावर पोहोचला आहे जिथे संगणक चिप्सचे आणखी सूक्ष्मीकरण करणे आता शक्य नाही. प्रत्यक्षात एकाच चिपवर बसू शकणारे इतकेच ट्रान्झिस्टर आहेत.
परिणामी, संगणक शास्त्रज्ञ कॉम्प्युटिंगकडे संपूर्ण नवीन दृष्टिकोनाकडे वळत आहेत, ज्याला "न्यूरोमॉर्फिक संगणन" म्हणून ओळखले जाते, ज्यामध्ये संगणक मानवी मेंदूप्रमाणेच कार्य करण्यासाठी आणि बाह्य जगाशी संवाद साधण्यासाठी डिझाइन केलेले आहेत.
अभ्यासाचे हे क्षेत्र लोकप्रिय होत आहे आणि संगणक हार्डवेअर आणि कृत्रिम बुद्धिमत्ता प्रणालीच्या निर्मितीमध्ये मूलभूत टप्पा मानला जातो. या उदयोन्मुख क्षेत्राबद्दल आणि संगणक विज्ञानाच्या भविष्यासाठी याचा काय अर्थ आहे याबद्दल आपल्याला माहित असणे आवश्यक असलेल्या सर्व गोष्टी आम्ही कव्हर करतो.
मेंदू माहितीची प्रक्रिया आणि संचय कसा करतो?
न्यूरोमॉर्फिक उपकरणे आणि त्यांच्या ऍप्लिकेशन्सकडे जाण्यापूर्वी, या क्षेत्रास (सिनॅप्टिक प्लास्टिसिटी) प्रेरित करणार्या जैविक घटनेची चर्चा करणे चांगले आहे. ही मानवी मेंदूची नवीन माहिती बदलण्याची आणि त्यांच्याशी जुळवून घेण्याची विलक्षण क्षमता आहे. याचे योग्य मूल्यांकन करण्यासाठी, आपण प्रथम आपल्या स्वतःच्या "संगणक केंद्र" च्या मूलभूत ऑपरेशनची चर्चा केली पाहिजे.
मेंदूच्या संदेशवाहक पेशींना न्यूरॉन्स म्हणतात. ते सर्व एकमेकांशी जोडलेले आहेत, सिनॅप्सेसमुळे, कनेक्टिंग साइट्स त्या सर्वांना एका विशाल नेटवर्कमध्ये जोडतात ज्याद्वारे इलेक्ट्रॉनिक आवेग आणि रासायनिक सिग्नल प्रसारित केले जातात. ते "स्पाइक्स" वापरून एकमेकांशी संवाद साधतात, जे मिलिसेकंद लांब विजेचे छोटे स्फोट असतात.
संगणकातील मेमरी फक्त अधिक मेमरी सेल जोडून वाढवता येते, परंतु मेंदूमध्ये, न्यूरॉन्समधील कनेक्शन मजबूत करून आणि नवीन कनेक्शन तयार करून स्मृती तयार केल्या जातात. जेव्हा दोन न्यूरॉन्स एकमेकांशी अधिक घट्ट जोडलेले असतात, तेव्हा आपण असे म्हणू शकतो की जोडलेल्या सायनॅप्सचे सिनॅप्टिक वजन वाढते. आपल्या मेंदूमध्ये सुमारे 1012 न्यूरॉन्स आहेत आणि ते एकमेकांशी जोडलेले आहेत 10.15 ते सायनॅप्सद्वारे संवाद साधतात. हे कनेक्शन आणि त्यांच्यातील संवादाचे प्रमाण कालांतराने आणि प्राप्त झालेल्या उत्तेजनांचे प्रमाण किंवा स्पाइक्सचे प्रमाण बदलते ज्यामुळे मेंदू बदलत्या वातावरणाशी जुळवून घेऊ शकतो, स्मृती तयार करू शकतो आणि जतन करू शकतो.
सिनॅप्टिक प्लास्टीसिटीच्या दोन प्रमुख यंत्रणा, पोटेंशिएशन आणि डिप्रेशन समजून घेणे महत्वाचे आहे, जेथे सिनॅप्टिक कनेक्शन हळूहळू मजबूत किंवा कमकुवत होतात आणि शिकण्यात आणि स्मरणशक्तीमध्ये महत्त्वपूर्ण भूमिका बजावतात. हे काही सेकंदांपासून तासांपर्यंत किंवा त्याहून अधिक काळातील कोणत्याही वेळेत शक्य आहे.
उच्च फ्रिक्वेन्सी स्पाइक्स, जसे की नवीन कौशल्य शिकताना उद्भवणारे, विशिष्ट सिनॅप्सेस बळकट करून किंवा मजबुतीकरण करून दीर्घकालीन स्मरणशक्तीच्या विकासाशी जोडले गेले आहेत असे गृहित धरले जाते. दुसरीकडे, कमी वारंवारतेच्या उत्तेजनामुळे नैराश्य येते आणि परिणामी संबंधित सिनॅप्टिक जंक्शनवर कनेक्शन (किंवा सिनॅप्टिक वजन) कमकुवत होते, जे शिकलेले काहीतरी विसरण्यासारखे आहे.
हे जरा जास्तच सरलीकरण आहे आणि सशक्तीकरण आणि उदासीनता केवळ बीट्सच्या वारंवारतेवरच नाही तर वेळेवर देखील अवलंबून असते यावर जोर दिला पाहिजे. उदाहरणार्थ, जेव्हा अनेक न्यूरॉन्स एकाच वेळी सिनॅप्समध्ये स्पाइक्स पाठवतात, तेव्हा सिनॅप्टिक वजन एका पाठोपाठ डाळींपेक्षा खूप वेगाने वाढते.
या प्रक्रियेची जाणीवपूर्वक नक्कल करण्यासाठी संशोधकांना चौकटीबाहेर विचार करावा लागतो कारण ही प्रक्रिया अतिशय अत्याधुनिक आणि गुंतागुंतीची आहे.
न्यूरोमॉर्फिक संगणक कसे कार्य करते?
आधुनिक संगणक तयार करण्यासाठी वापरलेले वॉन न्यूमन आर्किटेक्चर 1930 च्या दशकात अॅलन ट्युरिंगने प्रथम विकसित केलेल्या कल्पनांवर आधारित आहे. या कॉन्फिगरेशनसाठी मेमरी आणि डेटा प्रोसेसिंग युनिट्स वेगळे ठेवणे आवश्यक आहे, जे कार्यप्रदर्शन मंदावते कारण डेटा त्यांच्यामध्ये पुढे-पुढे पाठवावा लागतो आणि अनावश्यकपणे अधिक उर्जा वापरतो.
दुसरीकडे, न्यूरोमॉर्फिक संगणक चिप आर्किटेक्चर्स वापरतात जे एकाच घटकामध्ये गणना आणि मेमरी एकत्र करतात. हार्डवेअरच्या बाबतीत, हे क्षेत्र विस्तारत आहे आणि त्यात अत्याधुनिक नवीन डिझाइन, विविध साहित्य आणि नवीन संगणक भाग समाविष्ट आहेत.
जगभरातील संशोधक सेंद्रिय आणि अजैविक दोन्ही पदार्थांचा वापर करून मेंदूच्या लवचिकतेची नक्कल करणारे न्यूरॉन्स आणि सायनॅप्सचे कृत्रिम नेटवर्क तयार करण्यासाठी काम करत आहेत. IBM चे TrueNorth, Intel चे Loihi आणि BrainScales-2 सारखे सध्या अस्तित्वात असलेले बहुतेक मोठ्या प्रमाणातील न्यूरोमॉर्फिक संगणक सिद्ध मेटल ऑक्साईड सेमीकंडक्टर तंत्रज्ञानावर आधारित ट्रान्झिस्टर वापरतात.
वॉन न्यूमन कॉम्प्युटर बहुतेकदा इलेक्ट्रॉनिक बिल्डिंग ब्लॉक्सपैकी एक म्हणून ट्रान्झिस्टर वापरतात. ट्रान्झिस्टरचे शेकडो प्रकार आहेत, ज्यामध्ये मेटल ऑक्साईड सेमीकंडक्टर फील्ड-इफेक्ट ट्रान्झिस्टर किंवा MOSFET सर्वात लोकप्रिय आहेत. ते प्रामुख्याने संगणक चिपमधील विद्युत प्रवाहांसाठी स्विच (आणि काही प्रमाणात अॅम्प्लिफायर) म्हणून कार्य करतात.
हे प्रत्येक ट्रान्झिस्टरला चालू किंवा बंद स्थितीत ठेवण्यास अनुमती देते, जे बायनरी 1 किंवा 0 च्या समतुल्य आहे, आणि विद्युत प्रवाह रोखते किंवा त्याला कोणत्याही स्थितीत अस्तित्वात ठेवण्यास परवानगी देते. हे ऑपरेटिंग तत्त्व माहिती संग्रहित करणे आणि त्यावर प्रक्रिया करणे आश्चर्यकारकपणे सोपे करते, म्हणूनच इलेक्ट्रॉनिक मेमरी सेल आणि लॉजिक गेट्स आमच्या डिजिटल जगाचे आवश्यक घटक बनले आहेत.
तथापि, आपल्या मेंदूतील विद्युत सिग्नल फक्त 0 आणि 1 चे नसतात. उदाहरणार्थ, सायनॅप्समधील कनेक्शनमध्ये भिन्न "वजन" किंवा घनता असू शकतात.
न्यूरोमॉर्फिक संगणकावर याचे अनुकरण करण्यासाठी अनेक साधने तयार केली गेली आहेत. एक "सक्रिय स्तर" जो एका विशिष्ट प्रकारच्या सेमीकंडक्टर ट्रान्झिस्टरमध्ये समाविष्ट केला जातो जो युनिट्समधील सिग्नलला बदलतो, ज्याला पॉलिमर सिनॅप्टिक ट्रान्झिस्टर म्हणतात. चालकता, आणि म्हणून सिग्नलचे आउटपुट, हा थर तयार करण्यासाठी वापरल्या जाणार्‍या प्रवाहकीय पॉलिमरच्या विशिष्ट रचनेमुळे प्रभावित होते.
जेव्हा ट्रांझिस्टरद्वारे ठराविक व्होल्टेज वारंवारता लागू केली जाते, तेव्हा सक्रिय स्तर बदलतो, ज्यामुळे मेंदूच्या क्रियाकलापांमधील स्पाइक्सच्या तुलनेत इलेक्ट्रिकल सिग्नलमध्ये नैराश्य किंवा प्रवर्धन होते. मुळात प्लास्टीसिटी कशी येते आणि प्रत्येक स्पाइकमध्ये वारंवारता, वेळ, आकार आणि आकार याबद्दल संख्यात्मक डेटा असतो. स्पाइक्स बायनरी मूल्यांमध्ये रूपांतरित केले जाऊ शकतात आणि त्याउलट, परंतु हे करण्याची नेमकी प्रक्रिया सध्या तपासात आहे.
संशोधकांनी मेमरीस्टर, कॅपेसिटर, स्पिंट्रॉनिक उपकरणे आणि बुरशीचा वापर करून न्यूरोमॉर्फिक संगणन करण्यासाठी काही वेधक प्रयत्न यांसारख्या कृत्रिम घटकांचा वापर करून मेंदूच्या संरचनेची नक्कल करण्याच्या वाढत्या सर्जनशील मार्गांची नोंद केली आहे. न्यूरोमॉर्फिक हार्डवेअर केवळ ट्रान्झिस्टरपुरते मर्यादित नाही.
न्यूरोमॉर्फिक संगणक कसा प्रोग्राम करावा?
कृत्रिम न्यूरल नेटवर्क (ANNs) संगणकीय कार्ये करण्यासाठी न्यूरोमॉर्फिक संगणकांद्वारे वारंवार वापरले जातात. स्पाइकिंग न्यूरल नेटवर्क्स (SNNs), ANN च्या अनेक प्रकारांपैकी एक, विशेष स्वारस्य आहे कारण ते कृत्रिम न्यूरॉन्सवर बांधलेले आहेत जे "स्पाइक्स" म्हणून ओळखल्या जाणार्‍या इलेक्ट्रिकल सिग्नलची देवाणघेवाण करून एकमेकांशी संवाद साधतात आणि त्यांच्या मॉडेलमध्ये वेळ समाविष्ट करतात. परिणामी, या प्रणाली कमी ऊर्जा वापरतात कारण कृत्रिम न्यूरॉन्स केवळ तेव्हाच माहिती प्रसारित करतात जेव्हा त्यांना प्राप्त झालेल्या स्पाइक्सची एकूण संख्या एका विशिष्ट थ्रेशोल्डपेक्षा जास्त असते.
नेटवर्क कार्य करण्यास प्रारंभ करण्यापूर्वी, ते प्रोग्राम केलेले असणे आवश्यक आहे किंवा दुसऱ्या शब्दांत, शिकले पाहिजे. त्याला तथ्ये देऊन हे साध्य केले जाते ज्यातून तो काढू शकतो. ANN च्या प्रकारानुसार शिकण्याची रणनीती बदलू शकते. उदाहरणार्थ, जर नेटवर्कला छायाचित्रांमध्ये मांजरी किंवा कुत्री ओळखण्याचे प्रशिक्षण दिले जात असेल, तर हजारो प्रतिमा "मांजर" किंवा "कुत्रा" टॅगसह फीड केल्या जाऊ शकतात ज्यामुळे भविष्यातील कामात विषयाला स्वतः ओळखण्याचे प्रशिक्षण दिले जाऊ शकते. प्रतिमेतील प्रत्येक पिक्सेलचा रंग हाताळण्यासाठी ओळखण्यासाठी अत्यंत कष्टाची गणना करणे आवश्यक आहे.
ANN चे विविध प्रकार आहेत आणि कोणते वापरायचे ते वापरकर्त्याच्या गरजांवर अवलंबून असते. जरी SNN त्यांच्या कमी उर्जेच्या वापरामुळे आकर्षक असले तरी, त्यांना प्रशिक्षित करणे सामान्यत: कठीण असते, मुख्यतः त्यांच्या जटिल न्यूरोनल गतिशीलतेमुळे आणि स्पाइकिंग प्रक्रियेच्या अभेद्य स्वरूपामुळे.
न्यूरोमॉर्फिक संगणन कुठे वापरले जाते?
तज्ञांच्या मते, पारंपारिक संगणक हार्डवेअर बदलण्याऐवजी न्यूरोमॉर्फिक उपकरणे पूरक ठरतील, विशेषत: जेव्हा काही तांत्रिक समस्या सोडवण्याच्या बाबतीत येते. न्यूरोमॉर्फिक संगणक बुलियन लॉजिकचे अनुकरण करू शकतात, असे दावे असले तरी, कोणत्याही आधुनिक प्रोग्रामिंग भाषेतील मूलभूत कल्पना, हे सूचित करते की न्यूरोमॉर्फिक संगणक संभाव्यपणे सामान्य-उद्देश संगणन करू शकतात.
कोणत्याही परिस्थितीत, ऊर्जा कार्यक्षमता आणि संगणकीय गतीच्या बाबतीत मेंदू पारंपारिक संगणकांपेक्षा वरचढ असलेल्या क्षेत्रे आणि अनुप्रयोगांना न्यूरोमॉर्फिक संगणन खूप प्रभावी वाटेल.
यामध्ये आवाज किंवा प्रतिमा ओळखण्यासारखी संज्ञानात्मक कार्ये प्रभावीपणे करण्यासाठी कृत्रिम बुद्धिमत्ता (AI) लागू करणे, तसेच रोबोटिक्स, सेन्सिंग आणि आरोग्य सेवा (काही नावांसाठी) साठी नवीन शक्यता उघडणे समाविष्ट आहे.
जरी हा विषय अद्याप बाल्यावस्थेत आहे आणि त्यावर मात करण्यासाठी अडथळे आहेत, तरीही न्यूरोमॉर्फिक संगणन अधिकाधिक लोकप्रिय होत आहे आणि पारंपारिक संगणक प्रणालींना एक व्यवहार्य पर्याय ऑफर करते.
स्रोत: advancedsciencenews
Günceleme: 14/03/2023 15:25