A CMOS+X Spiking Neuron With On-Chip Machine Learning
यह शोध पत्र एक CMOS+X स्पाइकिंग न्यूरॉन डिज़ाइन प्रस्तुत करता है जो एक NMOS ट्रांजिस्टर और एक मैग्नेटिक टनल जंक्शन (MTJ) को जोड़ता है जो स्वाभाविक रूप से जैविक न्यूरॉन व्यवहारों की नकल करता है और ऑन-चिप एनालॉग मशीन लर्निंग को सक्षम बनाता है, जिसने बिना किसी अतिरिक्त नियंत्रण परिपथ के XOR कार्य पर प्रशिक्षण और अनुमान को सफलतापूर्वक प्रदर्शित किया 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 ऐसा सुपर-स्मार्ट कंप्यूटर बनाने की कोशिश कर रहे हैं जो आपकी जेब में समा जाए, जो एक अकेली बैटरी पर चले, और वास्तविक समय में नए करतब सीख सके। आज के कंप्यूटर विशाल, ऊर्जा-खपत करने वाले पुस्तकालयों की तरह हैं जहाँ एक एकल तथ्य को खोजने के लिए हर एक किताब को बार-बार पढ़ना पड़ता है। वे तेज़ तो हैं, लेकिन वे बहुत अधिक बिजली जलाते हैं और बहुत अधिक जगह घेरते हैं। वैज्ञानिक एक अलग तरीके की तलाश कर रहे हैं: एक ऐसा कंप्यूटर जो मानव मस्तिष्क की तरह काम करे। किताबों को लगातार पढ़ने के बजाय, एक मस्तिष्क संकेत—एक "स्पाइक" (spike)—का इंतज़ार करता है और केवल तभी काम करता है जब कुछ दिलचस्प होता है। इसे "स्पाइकिंग न्यूरल नेटवर्क" (spiking neural network) कहा जाता है। यह एक ऐसे शहर की तरह है जहाँ बिजली तभी जलती है जब कोई पास से गुजरता है, जिससे बिजली की बचत होती है। लेकिन हमारे फोन और लैपटॉप में इस्तेमाल होने वाले मानक सिलिकॉन से मस्तिष्क जैसा चिप बनाना कठिन है। मानक भाग गणित में तो बहुत अच्छे हैं, लेकिन वे न्यूरॉन्स के जैविक तरीके की नकल करने में बहुत अच्छे नहीं हैं। इसलिए, शोधकर्ता पूछ रहे हैं: क्या हम अपने मानक कंप्यूटर भागों को कुछ नई, विलक्षण सामग्रियों के साथ मिला सकते हैं ताकि एक ऐसा चिप बनाया जा सके जो मस्तिष्क की तरह सोच सके?
इस शोध पत्र में, शोधकर्ताओं की एक टीम "CMOS+X" नामक एक चतुर समाधान का पता लगाती है। "CMOS" को उन मानक, विश्वसनीय लेगो (Lego) ब्लॉक्स के रूप में सोचें जिनका उपयोग हम अपने वर्तमान इलेक्ट्रॉनिक्स बनाने के लिए करते हैं। "X" वह विशेष, नया टुकड़ा है जिसे वे उन ब्लॉक्स पर चिपकाने के लिए चाहते हैं ताकि उन्हें मस्तिष्क जैसी शक्तियाँ मिल सकें। इस विशिष्ट अध्ययन में, "X" एक छोटा चुंबकीय स्विच है जिसे मैग्नेटिक टनल जंक्शन (MTJ) कहा जाता है। ये उन्हीं प्रकार के स्विच हैं जिनका उपयोग कुछ आधुनिक मेमोरी चिप्स में किया जाता है, लेकिन शोधकर्ता इनका उपयोग एक नए तरीके से कर रहे हैं। वे इस चुंबकीय स्विच को एक एकल मानक ट्रांजिस्टर (एक छोटा इलेक्ट्रॉनिक वाल्व) के साथ जोड़कर एक बिल्कुल नए प्रकार का कृत्रिम न्यूरॉन बनाते हैं। बड़ा सवाल यह है कि: क्या यह सरल जोड़ी, मिलकर, वास्तव में एक जैविक न्यूरॉन की तरह कार्य कर सकती है? क्या यह एक संकेत का इंतज़ार कर सकती है, निर्णय ले सकती है कि क्या वह पर्याप्त मजबूत है, और फिर एक "स्पाइक" छोड़ सकती है? और इससे भी महत्वपूर्ण बात यह है कि क्या इन चीजों का एक पूरा नेटवर्क केवल अपनी गलतियों को देखकर एक कठिन पहेली सीख सकता है?
शोधकर्ताओं ने LTspice नामक एक लोकप्रिय कंप्यूटर प्रोग्राम का उपयोग करके इस प्रणाली का एक आभासी संस्करण बनाया, जो इलेक्ट्रॉनिक सर्किट के लिए एक सिम्युलेटर की तरह है। उन्होंने इस विशिष्ट परीक्षण के लिए प्रयोगशाला में भौतिक चिप नहीं बनाई; इसके बजाय, उन्होंने एक अत्यधिक विस्तृत डिजिटल मॉडल बनाया ताकि यह देखा जा सके कि भौतिकी (physics) काम करेगी या नहीं। उनका मुख्य निष्कर्ष यह है कि यह "NMOS+MTJ" जोड़ी वास्तव में एक जैविक न्यूरॉन की तरह व्यवहार करती है। जब उन्होंने इसमें एक वोल्टेज सिग्नल भेजा, तो इसके अंदर का चुंबकीय हिस्सा घूम गया और स्थानांतरित हो गया, जिससे आउटपुट वोल्टेज में एक तीव्र "स्पाइक" उत्पन्न हुआ, ठीक वैसे ही जैसे एक वास्तविक न्यूरॉन स्पाइक छोड़ता है। यह बिना किसी जटिल अतिरिक्त वायरिंग या डिजिटल कंप्यूटरों के निर्देश के हुआ; यह व्यवहार चुंबकीय सामग्रियों के भौतिक विज्ञान से स्वाभाविक रूप से आया।
यह शोध पत्र दिखाता है कि ये कृत्रिम न्यूरॉन्स वे सभी शानदार चीजें कर सकते हैं जो वास्तविक न्यूरॉन्स करते हैं। उनके पास एक "थ्रेशोल्ड" (threshold) होता है, जिसका अर्थ है कि वे कमजोर फुसफुसाहट को अनदेखा करते हैं और केवल तभी चिल्लाते (स्पाइक करते) हैं जब संकेत पर्याप्त तेज़ होता है। उनमें "लेटेंसी" (latency) होती है, जहाँ एक मजबूत संकेत उन्हें तेज़ी से फायर करने के लिए प्रेरित करता है, और एक कमजोर संकेत उन्हें थोड़ा इंतज़ार करने के लिए मजबूर करता है। उनके पास एक "रिफ्रैक्टरी पीरियड" (refractory period) भी होता है, जो फायरिंग के बाद आराम का एक छोटा समय है जहाँ वे तुरंत फिर से फायर नहीं कर सकते, ठीक वैसे ही जैसे एक वास्तविक मस्तिष्क कोशिका को रिचार्ज होने के लिए एक क्षण की आवश्यकता होती है। वे संकेतों को "इंटीग्रेट" (integrate) भी कर सकते हैं, यानी कई छोटे धक्कों को तब तक जोड़ते रहते हैं जब तक कि वे अंततः फायरिंग के बिंदु तक नहीं पहुँच जाते।
टीम ने इन न्यूरॉन्स को एक छोटे नेटवर्क में जोड़ने के लिए उन्हें आपस में जोड़ा, और "सिनैप्स" (synapses) के माध्यम से उन्हें लिंक किया (जिन्हें उन्होंने समायोज्य एम्पलीफायर के रूप में मॉडल किया था)। उन्होंने इस नेटवर्क को XOR समस्या को हल करने के लिए प्रशिक्षित किया, जो एक क्लासिक लॉजिक पहेली है जो साधारण, सिंगल-लेयर कंप्यूटरों के लिए बहुत कठिन है लेकिन एक मस्तिष्क के लिए आसान है। नेटवर्क ने "ग्रेडिएंट डिसेंट" (gradient descent) नामक एक नियम के आधार पर कनेक्शन की ताकत को बदलकर सीखा। सिमुलेशन में, नेटवर्क ने पहेली को हल करने की कोशिश की, देखा कि उसकी टाइमिंग कितनी गलत थी, और फिर कनेक्शन को सही उत्तर के करीब लाने के लिए उसमें बदलाव किया। लगभग 16 राउंड के प्रयास और सुधार के बाद, नेटवर्क ने पैटर्न को सफलतापूर्वक सीख लिया। आउटपुट स्पाइक्स लक्षित समय (target times) के साथ पूरी तरह से मेल खा गए, जिससे यह सिद्ध हुआ कि सिस्टम पूरी तरह से एनालॉग सर्किट सिमुलेशन के भीतर एक जटिल, नॉन-लीनियर कार्य सीख सकता है।
लेखक सावधानीपूर्वक यह नोट करते हैं कि यह एक प्रूफ-ऑफ-कॉन्सेप्ट (proof-of-concept) सिमुलेशन है। उन्होंने अभी तक ऐसा करने के लिए भौतिक चिप नहीं बनाई है, और उन्होंने यह भी परीक्षण नहीं किया है कि यह गर्मी या विनिर्माण त्रुटियों जैसी वास्तविक दुनिया की खामियों को कैसे संभालेगा। हालांकि, सिमुलेशन सुझाव देता है कि यदि हम इन सर्किटों को मानक विनिर्माण प्रक्रियाओं का उपयोग करके बना सकते हैं (चूंकि चुंबकीय भागों का उपयोग पहले से ही मेमोरी चिप्स में किया जाता है), तो हम एक नए प्रकार का कंप्यूटर चिप बना सकते हैं। यह चिप डेटा जहाँ मौजूद है वहीं सीख सकेगी और जानकारी को प्रोसेस कर सकेगी, जिसमें बहुत कम ऊर्जा खर्च होगी, जो कि उन स्मार्ट उपकरणों के लिए गेम-चेंजर हो सकता है जिन्हें लंबे समय तक बैटरी पर चलने की आवश्यकता होती है। यह अध्ययन एक ऐसे भविष्य के द्वार खोलता है जहाँ हमारे इलेक्ट्रॉनिक्स केवल नंबरों की गणना नहीं करेंगे, बल्कि वास्तव में उसी लयबद्ध, स्पाइक-संचालित तरीके से "सोचेंगे" जैसे हमारा मस्तिष्क सोचता है।
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।