Quantization-Aware Neuromorphic Architecture for Skin Lesion Classification on Resource-Constrained Devices
यह शोध पत्र QANA को प्रस्तुत करता है, जो एक क्वांटाइजेशन-अवेयर न्यूरोमॉर्फिक आर्किटेक्चर है जो CNN-to-SNN रूपांतरण को अनुकूलित करके और ब्रेनचिप अकिडा (BrainChip Akida) प्रोसेसर पर बेहतर प्रदर्शन, विलंबता (latency) और ऊर्जा दक्षता प्राप्त करके संसाधन-बाधित उपकरणों पर मजबूत, उच्च-सटीक त्वचा के घाव (skin lesion) वर्गीकरण को सक्षम बनाता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक रोबोट को अपने दोस्त का चेहरा पहचानना सिखाने की कोशिश कर रहे हैं, लेकिन आपके पास सोचने के लिए केवल एक छोटी सी, बैटरी से चलने वाली घड़ी है। यह एज कंप्यूटिंग (edge computing) की दुनिया है: छोटे उपकरणों जैसे फोन या पहनने योग्य उपकरणों (wearables) पर सीधे स्मार्ट प्रोग्राम चलाना, न कि डेटा को एक विशाल, भारी बिजली खपत करने वाले क्लाउड सर्वर पर भेजना। यह एक व्यस्त सड़क पर चलते समय अपने दिमाग में एक जटिल गणित की समस्या हल करने जैसा है, बजाय इसके कि मदद के लिए किसी सुपरकंप्यूटर को कॉल किया जाए। चुनौती यह है कि जो "दिमाग" हम आमतौर पर इसके लिए उपयोग करते हैं—जिसे कन्वोल्यूशनल न्यूरल नेटवर्क (CNN) कहा जाता है—वे भारी, ऊर्जा की खपत करने वाले ट्रकों की तरह हैं। वे पैटर्न पहचानने में बहुत अच्छे हैं, जैसे त्वचा के धब्बे, लेकिन वे बहुत अधिक बैटरी जलाते हैं और एक छोटी घड़ी पर चलने में बहुत समय लेते हैं।
इसे ठीक करने के लिए, वैज्ञानिक न्यूरोमॉर्फिक कंप्यूटिंग (neuromorphic computing) का उपयोग कर रहे हैं, जो एक अलग प्रकार के मस्तिष्क का उपयोग करता है जिसे स्पाइकिंग न्यूरल नेटवर्क (SNN) कहा जाता है। एक मानक CNN को एक फ्लडलाइट की तरह समझें जो लगातार रोशनी डालती है, हर पिक्सेल की हर समय जांच करती है। हालाँकि, एक SNN एक मोशन-सेंसर लाइट की तरह है: यह केवल तभी "फायर" करता है या एक छोटा विद्युत स्पार्क (एक "स्पाइक") भेजता है जब कुछ दिलचस्प होता है। यह इसे अविश्वसनीय रूप से तेज़ और ऊर्जा-कुशल बनाता है, जो ऐसे उपकरण के लिए एकदम सही है जिसे एक ही चार्ज पर पूरे दिन चलना है। लेकिन एक पेच है: ये स्पाइकिंग मस्तिष्क बहुत नखरेबाज होते हैं। यदि आप एक मानक "फ्लडलाइट" मस्तिष्क को "मोशन-सेंसर" मस्तिष्क की तरह काम करने के लिए मजबूर करते हैं, तो वह अक्सर भ्रमित हो जाता है, अपनी याददाश्त खो देता है, या गलतियाँ करने लगता है, खासकर जब डेटा अव्यवस्थित या असंतुलित हो।
यहीं से QANA की कहानी शुरू होती है। शोधकर्ताओं ने, जिसका नेतृत्व हेटियन वांग और सहयोगियों ने किया था, एक ऐसा स्किन लीजन क्लासिफायर बनाने की कोशिश की जो एक छोटे, ऊर्जा-कुशल न्यूरोमॉर्फिक चिप (विशेष रूप से ब्रेनचिप अकिडा - BrainChip Akida) पर चल सके, बिना अपनी एक हानिरहित तिल और एक खतरनाक मेलानोमा के बीच अंतर बताने की क्षमता खोए। उन्होंने महसूस किया कि केवल एक मानक AI मॉडल को लेकर उसे स्पाइकिंग मॉडल में बदलना एक चौकोर खूँटे को गोल छेद में फिट करने जैसा है—यह अक्सर टूट जाता है या खराब प्रदर्शन करता है।
इसलिए, उन्होंने QANA नामक एक नया आर्किटेक्चर डिज़ाइन किया जो इन दोनों दुनियाओं के बीच एक सेतु (bridge) के रूप में कार्य करता है। केवल एक मानक मॉडल को लेने और उम्मीद करने के बजाय कि वह अच्छी तरह से परिवर्तित हो जाएगा, उन्होंने एक क्वांटाइजेशन-अवेयर CNN बैकबोन (quantization-aware CNN backbone) बनाया जिसे विशेष रूप से इस अनुवाद प्रक्रिया से बचने के लिए डिज़ाइन किया गया है। उन्होंने घोस्ट मॉड्यूल्स (Ghost modules) नामक एक चतुर ट्रिक का उपयोग किया, जो एक मास्टर शेफ की तरह है जो बहुत कम सामग्री का उपयोग करके एक बड़ा, स्वादिष्ट भोजन बनाता है। इसने सिस्टम को भारी कंप्यूटिंग शक्ति की आवश्यकता के बिना समृद्ध फीचर्स (features) उत्पन्न करने की अनुमति दी। उन्होंने विशेष "अटेंशन" तंत्र भी जोड़े जो एक स्पॉटलाइट की तरह कार्य करते हैं, जिससे AI को बैकग्राउंड शोर को अनदेखा करते हुए त्वचा की छवि के सबसे महत्वपूर्ण हिस्सों पर ध्यान केंद्रित करने में मदद मिलती है।
महत्वपूर्ण रूप से, उन्होंने "कन्वर्जन फेलियर" (रूपांतरण विफलता) की समस्या को हल किया। आमतौर पर, जब आप एक मानक AI को स्पाइकिंग में बदलते हैं, तो संख्याएँ गड़बड़ा जाती हैं और सटीकता गिर जाती है। QANA क्वांटाइजेशन-अवेयर ट्रेनिंग (quantization-aware training) नामक तकनीक का उपयोग करता है, जो एक मेट्रोनोम के साथ गाना अभ्यास करने जैसा है जो केवल विशिष्ट बीट्स पर क्लिक करता है। मॉडल को शुरुआत से ही इन विशिष्ट, सीमित "क्लिक्स" (लो-बिट नंबरों) की अपेक्षा करने के लिए प्रशिक्षित करके, मॉडल यह सीखता है कि बाद में स्पाइकिंग फॉर्मेट में परिवर्तित होने पर भी वह स्थिर रहे। उन्होंने डिजिटल "एम्बेडिंग स्पेस" (छवि का एक गणितीय प्रतिनिधित्व) में SMOTE नामक एक विधि का भी उपयोग किया ताकि AI दुर्लभ प्रकार के स्किन लीजन के बारे में बेहतर सीख सके, यह सुनिश्चित करते हुए कि वह कम सामान्य लेकिन खतरनाक मामलों को अनदेखा न करे।
परिणाम प्रभावशाली थे। HAM10000 नामक त्वचा की छवियों के एक बड़े सार्वजनिक डेटासेट पर परीक्षण करने पर, QANA ने 91.6% सटीकता दर हासिल की, जो अन्य परिवर्तित मॉडलों की तुलना में काफी बेहतर थी। इससे भी रोमांचक बात यह है कि जब उन्होंने इसे वास्तविक न्यूरोमॉर्फिक हार्डवेयर (ब्रेनचिप अकिडा) पर चलाया, तो सिस्टम अविश्वसनीय रूप से तेज़ और कुशल था। इसने एक एकल छवि को केवल 1.5 मिलीसेकंड में प्रोसेस किया और केवल 1.7 मिलीजूल ऊर्जा का उपयोग किया। इसे समझने के लिए, यह समान आकार के सर्वश्रेष्ठ प्रतिस्पर्धी मॉडलों की तुलना में लगभग 21% तेज़ और 23% अधिक ऊर्जा-कुशल था। उन्होंने चीन के एक अस्पताल के वास्तविक दुनिया के क्लिनिकल डेटासेट पर भी इसका परीक्षण किया, जहाँ इसने 90.8% की उच्च सटीकता बनाए रखी, जिससे यह साबित हुआ कि यह क्लाउड पर रोगी की जानकारी भेजे बिना वास्तविक चिकित्सा डेटा को संभाल सकता है।
संक्षेप में, यह पेपर दिखाता है कि AI को उसके प्रशिक्षण और रूपांतरण के दौरान ही स्पाइकिंग हार्डवेयर की मूल भाषा बोलने के लिए डिज़ाइन करके, हम ऐसे चिकित्सा नैदानिक उपकरण बना सकते हैं जो न केवल स्मार्ट हैं, बल्कि तेज़, निजी और आपकी जेब में फिट होने लायक बैटरी-अनुकूल भी हैं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।