Lattice Field Theory for a network of real neurons
यह शोध पत्र एक सरलीकृत लैटिस फील्ड थ्योरी (Lattice Field Theory) ढांचे को प्रस्तुत करता है जो समय विकास (time evolution) को शामिल करने के लिए मैक्सिमम एंट्रॉपी मॉडल्स का विस्तार करता है, जो क्रोनिक मल्टी-साइट बीसीआई (BCI) रिकॉर्डिंग और सिंगल-न्यूरॉन स्पाइक रास्टर्स को फ्री एनर्जी सिद्धांत के एक वेरिएंट के रूप में भौतिक रूप से आधारित व्याख्या प्रदान करता 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 संगीत उत्सव (म्यूजिक फेस्टिवल) में एक विशाल, अराजक भीड़ को समझने की कोशिश कर रहे हैं। आप हर एक बातचीत को नहीं सुन सकते, लेकिन आप देख सकते हैं कि कौन किसके साथ नाच रहा है, कौन तालमेल में चल रहा है, और ओपनिंग एक्ट से लेकर हेडलाइनर तक भीड़ की ऊर्जा कैसे बदलती है।
द दशकों से, वैज्ञानिक व्यक्तिगत न्यूरॉन्स ( "लोगों") को देखकर मस्तिष्क ( "भीड़") का मानचित्र बनाने की कोशिश कर रहे हैं। एक लोकप्रिय विधि, जिसे मैक्सिमम एंट्रॉपी मॉडल (Maximum Entropy model) कहा जाता है, एक स्थिर, जमी हुई तस्वीर लेने जैसा था। यह आपको बता सकता था कि उस सटीक क्षण में कौन किसके बगल में खड़ा था, लेकिन यह नहीं समझा सका कि भीड़ कैसे चलती है, कोई बातचीत कैसे शुरू होती है, या समय के साथ ऊर्जा कैसे बदलती है। यह एक गतिशील दुनिया की एक स्थिर तस्वीर थी।
यह शोध पत्र मस्तिष्क को देखने का एक नया, अधिक शक्तिशाली तरीका पेश करता है: लैटिस फील्ड थ्योरी (Lattice Field Theory - LFT)।
यहाँ इस पेपर में किए गए कार्यों का सरल विवरण दिया गया है, जिसमें रोजमर्रा के उदाहरणों का उपयोग किया गया है:
1. एक फोटो से एक मूवी तक
पुरानी विधि (मैक्सिमम एंट्रॉपी) एक तस्वीर (फोटोग्राफ) की तरह थी। इसने न्यूरॉन्स के बीच के संबंधों का एक स्नैपशॉट लिया लेकिन समय को नजरअंदाज कर दिया।
नई विधि (LFT) एक मूवी की तरह है। यह मस्तिष्क को केवल स्थिर खड़े लोगों के समूह के रूप में नहीं, बल्कि एक गतिशील प्रणाली के रूप में देखती है जहाँ हर क्रिया का एक इतिहास और एक भविष्य होता है।
लेखकों ने महसूस किया कि न्यूरॉन्स समय के साथ एक-दूसरे से कैसे बात करते हैं, यह समझने के लिए उन्हें क्वांटम भौतिकी (Quantum Physics) के उपकरणों को उधार लेने की आवश्यकता है। भौतिकी में, एक तरकीब है जहाँ आप "समय" को स्थान (स्पेस) के एक अन्य आयाम की तरह मान सकते हैं। ऐसा करके, वे मस्तिष्क की गतिविधि को एक "मूवी" के रूप में मॉडल कर सकते हैं जहाँ अतीत भविष्य को प्रभावित करता है, न कि केवल एक स्थिर स्नैपशॉट।
2. मस्तिष्क स्विचों का एक ग्रिड के रूप में
कल्पना कीजिए कि मस्तिष्क के न्यूरॉन्स लाइट स्विच (बाइनरी बिट्स: या तो चालू या बंद) का एक विशाल ग्रिड हैं।
- पुराना तरीका: आप ग्रिड को देखते थे और पूछते थे, "अभी कौन से स्विच चालू (ON) हैं?"
- नया तरीका: आप ग्रिड को देखते हैं और पूछते हैं, "एक सेकंड से दूसरे सेकंड में स्विचों का पैटर्न कैसे बदलता है? कैसे दोपहर 1:00 बजे एक स्विच का चालू होना यह प्रभावित करता है कि क्या वह 1:01 बजे चालू रहेगा?"
लेखक इसे "लैटिस" कहते हैं क्योंकि वे न्यूरॉन्स को एक ग्रिड (जैसे शतरंज का बोर्ड) पर मैप करते हैं जहाँ पंक्तियाँ न्यूरॉन्स हैं और कॉलम समय के क्षण हैं।
3. "फ्री एनर्जी" का नियम
यह शोध पत्र इस भौतिकी विचार को तंत्रिका विज्ञान (न्यूरोसाइंस) की एक अवधारणा से जोड़ता है जिसे फ्री एनर्जी प्रिंसिपल (Free Energy Principle) कहा जाता है।
मस्तिष्क को एक पूर्वानुमान लगाने वाली मशीन (predictive machine) के रूप में सोचें। यह लगातार अनुमान लगाने की कोशिश करती रहती है कि आगे क्या होने वाला है।
- यदि मस्तिष्क का अनुमान वास्तविकता से मेल खाता है, तो वह खुश है (कम "फ्री एनर्जी")।
- यदि मस्तिष्क को आश्चर्य होता है (वास्तविकता अनुमान से मेल नहीं खाती), तो वह "तनाव" महसूस करता है (उच्च "फ्री एनर्जी")।
मस्तिष्क का लक्ष्य इस तनाव को कम करना है। लेखक दिखाते हैं कि उनका नया भौतिकी मॉडल वास्तव में इस बात का गणितीय तरीका है कि कैसे मस्तिष्क इस आश्चर्य को कम करने की कोशिश करता है। यह ऐसा है जैसे मस्तिष्क वास्तविकता की मूवी को समझने योग्य बनाने के लिए लगातार अपनी खुद की स्क्रिप्ट को एडिट कर रहा है।
4. अराजकता को सरल बनाना (द "डेसिमेशन" ट्रिक)
एक वास्तविक मस्तिष्क में अरबों न्यूरॉन्स होते हैं। उन सभी के बीच की अंतःक्रियाओं की गणना करना असंभव है, यहाँ तक कि सुपर कंप्यूटरों के लिए भी।
लेखक एक चतुर तकनीक का उपयोग करते हैं जिसे डेसिमेशन (Decimation) कहा जाता है।
कल्पना कीजिए कि आप हेलीकॉप्टर से एक जंगल को देख रहे हैं। आप हर एक पत्ते को नहीं देख सकते। इसके बजाय, आप पेड़ों के समूहों को देखते हैं।
- वे मस्तिष्क की रिकॉर्डिंग (जैसे कि पेपर में उल्लेखित यूटा 96 इलेक्ट्रोड एरे) से विशाल, जटिल डेटा लेते हैं।
- वे "ज़ूम आउट" करते हैं ताकि आवश्यक पैटर्न मिल सकें।
- वे यह मान लेते हैं कि न्यूरॉन्स मुख्य रूप से अपने निकटतम पड़ोसियों (स्थान/स्पेस) से और अपने स्वयं के तत्काल अतीत (समय/मेमोरी) से बात करते हैं।
इन स्मार्ट सरलीकरणों को करके, वे उन चरों (variables) की संख्या को कम कर देते हैं जिन्हें उन्हें ट्रैक करने की आवश्यकता होती है—ट्रिलियनों से घटाकर एक प्रबंधनीय संख्या तक—बिना महत्वपूर्ण कहानी को खोए।
5. यह क्यों मायने रखता है
लेखकों ने इसका परीक्षण बंदरों के वास्तविक डेटा पर किया जिनके मस्तिष्क में ब्रेन इम्प्लांट्स (BCIs) लगे थे। उन्होंने पाया कि उनका "मूवी" मॉडल पुराने "फोटो" मॉडल की तुलना में डेटा की बेहतर व्याख्या कर सकता है।
मुख्य निष्कर्ष:
यह शोध पत्र दो दुनियाओं के बीच एक सेतु है: भौतिकी और न्यूरोसाइंस।
- भौ physicists के लिए: यह दिखाता है कि उप-परमाणु कणों (subatomic particles) का अध्ययन करने के लिए उपयोग किए जाने वाले जटिल गणित का उपयोग मानव मन का अध्ययन करने के लिए किया जा सकता है।
- न्यूरोसाइंटिस्ट्स के लिए: यह एक नया, सरल टूलकिट प्रदान करता है जिससे वे समय के साथ मस्तिष्क सूचना को कैसे प्रोसेस करता है, इसे समझ सकते हैं, न कि केवल एक क्षण में।
संक्षेप में: लेखकों ने एक नया लेंस बनाया है जो मस्तिष्क की स्थिर "फोटोग्राफ" को एक बहती हुई "मूवी" में बदल देता है, जिससे हम देख सकते हैं कि हमारे विचारों और कार्यों को बनाने के लिए न्यूरॉन्स समय के साथ एक साथ कैसे नाचते हैं। यह मस्तिष्क को केवल हिस्सों के संग्रह के रूप में नहीं, बल्कि एक जीवित, सांस लेती, समय की यात्रा करने वाली कहानी के रूप में समझने की दिशा में एक 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।