Online unsupervised Hebbian learning in deep photonic neuromorphic networks
यह शोध पत्र एक विशुद्ध रूप से फोटोनिक डीप न्यूरोमॉर्फिक नेटवर्क को प्रस्तुत और प्रयोगात्मक रूप से प्रदर्शित करता है जो अक्षरों की पहचान करने के कार्य पर 100% सटीकता प्राप्त करता है, जिसमें अक्षम ऑप्टिकल-इलेक्ट्रिकल-ऑप्टिकल रूपांतरणों के बिना ऑनलाइन, अनसुपरवाइज्ड हेबियन लर्निंग को सक्षम करने के लिए नॉन-वोलेटाइल फेज-चेंज मटेरियल सिनैप्स के साथ एक स्थानीय ऑप्टिकल फीडबैक तंत्र का उपयोग किया गया 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 आपके पास रोशनी से बना एक सुपर-फास्ट, सुपर-एफिशिएंट दिमाग है। मूल रूप से यह शोध पत्र इसी के बारे में है।
यह कहानी है कि कैसे शोधकर्ताओं ने एक नए प्रकार का कंप्यूटर दिमाग बनाया जो अपने आप सीखता है, बिजली के बजाय रोशनी का उपयोग करता है, और बिना किसी शिक्षक की मदद के जो उसे उत्तर दिखा सके।
1. समस्या: पुराना तरीका बहुत सुस्त है
अपने वर्तमान कंप्यूटर (जैसे लैपटॉप या फोन) को एक बहुत ही व्यवस्थित लेकिन धीमे लाइब्रेरियन के रूप में सोचें।
- द बॉटलनेक (रुकावट): लाइब्रेरियन (प्रोसेसर) को किताबें लेने के लिए शेल्फ (मेमोरी) तक बार-बार दौड़ना पड़ता है, उन्हें पढ़ना पड़ता है, नोट्स लिखने होते हैं, और फिर से शेल्फ की ओर भागना पड़ता है। यह लगातार दौड़ना-भागना "वॉन न्यूमैन बॉटलनेक" कहलाता है। यह समय और ऊर्जा दोनों बर्बाद करता है।
- ऑप्टिकल मेस (प्रकाश संबंधी उलझन): वैज्ञानिकों ने इस समस्या को ठीक करने के लिए "लाइट ब्रेन्स" (फोटोनिक न्यूरल नेटवर्क) बनाने की कोशिश की है क्योंकि प्रकाश तेज होता है। लेकिन अब तक, ये लाइट ब्रेन एक रिले रेस की तरह रहे हैं जहाँ बैटन एक धावक से साइकिल चालक को, फिर तैराक को, और वापस धावक को दिया जाता है। हर बार जब सिग्नल प्रकाश से बिजली और फिर वापस प्रकाश में बदलता है (ऑप्टिकल-इलेक्ट्रिकल-ऑप्टिकल), तो यह अपनी गति खो देता है और ऊर्जा बर्बाद करता है।
- शिक्षक की समस्या: इनमें से अधिकांश प्रणालियों को एक "शिक्षक" (सुपरवाइज्ड लर्निंग) की आवश्यकता होती है। आपको उन्हें हजारों लेबल वाली तस्वीरें (जैसे, "यह 'A' है, यह 'B' है") देनी पड़ती हैं और उन्हें बताना पड़ता है कि वे कब गलत हैं। इसमें बहुत अधिक डेटा और कंप्यूटिंग पावर लगती है।
2. समाधान: एक दिमाग जो इंसान की तरह सीखता है
शोधकर्ताओं ने एक नई प्रणाली बनाई जिसे डीप फोटोनिक न्यूरोमॉर्फिक नेटवर्क (DPNN) कहा जाता है। यह कैसे काम करता है, इसके लिए सरल उपमाओं का उपयोग करें:
"लाइट सिनैप्स" (याददाश्त)
मानव मस्तिष्क में, न्यूरॉन्स के बीच के संबंध (सिनैप्स) इस आधार पर मजबूत या कमजोर होते हैं कि उनका कितनी बार उपयोग किया जाता है।
- पुराना तरीका: इलेक्ट्रॉनिक सिनैप्स को चीजों को याद रखने के लिए निरंतर बिजली की आवश्यकता होती है। यदि आप बिजली बंद कर देते हैं, तो वे भूल जाते हैं।
- नया तरीका: इस टीम ने फेज-चेंज मटेरियल (PCM) नामक एक विशेष सामग्री का उपयोग किया। इस सामग्री को एक स्मार्ट स्विच के रूप में सोचें जिसे जम (क्रिस्टलाइन) या पिघला (एमोर्फस) हुआ रखा जा सकता है।
- एक बार जब आप इसे प्रकाश के एक छोटे से पल्स के साथ "पिघलाते" या "जमाते" हैं, तो यह हमेशा के लिए उसी अवस्था में रहता है, भले ही आप बिजली बंद कर दें। यह एक लाइट स्विच की तरह है जो बैटरी की मदद के बिना भी "ऑन" या "ऑफ" स्थिति में बना रहता है। यह भारी मात्रा में ऊर्जा बचाता है।
"लाइट न्यूरॉन्स" (निर्णय लेने वाले)
मस्तिष्क में एक न्यूरॉन तभी फायर (सक्रिय) होता है जब उसे पर्याप्त सिग्नल मिलता है।
- नया तरीका: उन्होंने प्रकाश का एक छोटा घेरा (माइकरिंग) बनाया। जब प्रकाश का सिग्नल पर्याप्त मजबूत हो जाता है, तो यह रिंग पर मौजूद स्मार्ट स्विच को गर्म कर देता है, जिससे उसकी अवस्था बदल जाती है। अचानक, यह रिंग प्रकाश को रोकने के बजाय उसे गुजरने देती है। यह न्यूरॉन का "फायर" होना है। यह नैनोसेकंड (अरबोंवें हिस्से) में होता है।
3. जादू का खेल: बिना शिक्षक के सीखना
यह सबसे रोमांचक हिस्सा है। आमतौर पर, एक कंप्यूटर को सिखाने के लिए, आपको एक शिक्षक की आवश्यकता होती है जो कहे, "नहीं, यह बिल्ली नहीं है, यह कुत्ता है।" इसके लिए जटिल गणित (बैकप्रोपैगेशन) की आवश्यकता होती है जो केवल प्रकाश के साथ करना कठिन है।
शोधकर्ताओं ने एक लोकल फीडबैक लूप का आविष्कार किया।
- उपमा: कल्पना कीजिए कि एक कमरे में लोगों का एक समूह एक गुप्त कोड को समझने की कोशिश कर रहा है।
- पुराना तरीका (सुपरवाइज्ड): एक शिक्षक सामने खड़ा होता है, सबकी बातें सुनता है, और सुधार के लिए चिल्लाता है। यह धीमा है और इसके लिए एक केंद्रीय प्राधिकरण की आवश्यकता होती है।
- नया तरीका (अनसुपरवाइज्ड/हेब्बियन): शोधकर्ताओं ने एक नियम का उपयोग किया जिसे "जो कोशिकाएं एक साथ फायर करती हैं, वे एक साथ जुड़ती हैं" कहा जाता है।
- यदि दो लोग (न्यूरॉन्स) बिल्कुल एक ही समय पर चिल्लाते हैं, तो वे हाथ मिलाते हैं (अपना संबंध मजबूत करते हैं)। यदि वे एक साथ नहीं चिल्लाते, तो वे अलग हो जाते हैं।
- उनके मशीन में, आउटपुट न्यूरॉन से आने वाला "चिल्लाहट" तुरंत इनपुट कनेक्शनों में वापस भेजा जाता है। यदि इनपुट लाइट और फीडबैक लाइट एक ही समय में पहुँचते हैं, तो "स्मार्ट स्विच" (सिनैप्स) स्वचालित रूप से अपनी अवस्था बदल लेता है।
- परिणाम: नेटवर्क पैटर्न को अपने आप समझ लेता है। इसे किसी शिक्षक या लेबल किए गए डेटासेट की आवश्यकता नहीं होती है। इसे बस डेटा को देखने की आवश्यकता है, और यह स्वाभाविक रूप से संरचना को सीख लेता है।
4. प्रयोग: अक्षर पढ़ना
यह साबित करने के लिए कि यह काम करता है, उन्होंने मानक फाइबर-ऑप्टिक केबल्स (जो इंटरनेट के लिए उपयोग की जाती हैं) और कुछ दर्पणों और स्विचों का उपयोग करके एक प्रोटोटाइप बनाया।
- कार्य: उन्होंने लाइट ब्रेन को छह अक्षरों को पहचानने के लिए कहा: N, C, S, U, T, D।
- चुनौती: ये अक्षर बहुत समान दिखते हैं (विशेष रूप से 'S' और 'C')। यह एक कठिन पहेली है।
- परिणाम:
- उन्होंने इसे पुराने "शिक्षक" तरीके से सिखाया, और इसने 100% सही पहचान की।
- फिर, उन्होंने इसे "लोकल फीडबैक" ट्रिक का उपयोग करके अपने आप सीखने दिया (अनसुपरवाइज्ड)। शुरुआत में इसे थोड़ा संघर्ष करना पड़ा क्योंकि हार्डवेयर एकदम सटीक नहीं है, लेकिन जैसे-जैसे इसने अभ्यास जारी रखा (ऑनलाइन लर्निंग), इसने अपनी गलतियों को खुद सुधारा।
- अंतिम स्कोर: यह अंततः सभी छह अक्षरों पर 100% सटीकता तक पहुँच गया, जो पूरी तरह से प्रकाश और अपने आंतरिक फीडबैक का उपयोग करके हासिल किया गया, बिना किसी कंप्यूटर के यह बताए कि वह कहाँ गलत था।
यह क्यों महत्वपूर्ण है
यह एक बड़ा कदम है क्योंकि:
- गति: यह प्रकाश की गति से सूचना को प्रोसेस करता है।
- दक्षता: यह चीजों को याद रखने के लिए लगभग कोई बिजली का उपयोग नहीं करता (नॉन-वोलेटाइल) और प्रकाश एवं बिजली के बीच स्विच करने में ऊर्जा बर्बाद नहीं करता है।
- स्वायत्तता: यह विशाल लेबल वाले डेटासेट की आवश्यकता के बिना कच्चे डेटा से सीख सकता है, जो इसे वास्तविक दुनिया के AI के लिए उपयुक्त बनाता जिसे मौके पर अनुकूलित होने की आवश्यकता होती है।
संक्षेप में: उन्होंने एक प्रकाश-आधारित दिमाग बनाया जो बिना बैटरी के चीजें याद रख सकता है, अपने ही विचारों को सुनकर सीख सकता है, और वर्तमान कंप्यूटरों की तुलना में अधिक तेज़ी से और अधिक कुशलता से पहेलियाँ हल कर सकता है। यह अल्ट्रा-फास्ट, अल्ट्रा-एफिशिएंट आर्टिफिशियल इंटेलिजेंस के भविष्य की ओर एक बड़ा कदम 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।