Cross-Subject Modeling for Widefield Calcium Imaging via Atlas-Aligned Spatiotemporal Tokenization
यह शोधपत्र WiCAT को प्रस्तुत करता है, जो वाइडफील्ड कैल्शियम इमेजिंग के लिए एक मल्टी-सब्जेक्ट फाउंडेशन मॉडल है जो अनसीन सब्जेक्ट्स पर ज़ीरो-शॉट बिहेवियर डिकोडिंग और ब्रेन रीजन रिकंस्ट्रक्शन को सक्षम करने के साथ-साथ सिंगल-सेशन बेसलाइन्स की तुलना में बेहतर प्रदर्शन प्राप्त करने के लिए एटलस-अलाइन्ड स्पैटियोटेम्पोरल टोकनाइज़ेशन और सेल्फ-सुपरवाइज्ड प्रीट्रेनिंग का उपयोग करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आपका मस्तिष्क एक विशाल, हलचल भरा शहर है। आमतौर पर, जब वैज्ञानिक यह अध्ययन करना चाहते हैं कि यह शहर कैसे काम करता है, तो वे एक बार में केवल एक ही मोहल्ले को देखते हैं, या शायद वे किसी एक विशिष्ट व्यक्ति की यात्रा (कम्यूट) का अध्ययन करते हैं। वे उस व्यक्ति के लिए, उस विशेष दिन के लिए, उस विशिष्ट कार्य के लिए एक नक्शा बनाते हैं। लेकिन क्या होगा अगर आपको एक ऐसे नक्शे की आवश्यकता हो जो शहर के सभी लोगों के लिए तुरंत काम करे, बिना हर नए व्यक्ति के आने पर सड़कों को फिर से सीखने की ज़रूरत के? यही वह बड़ा सपना है, और अब तक, यह एक पहेली जैसा रहा है।
यहाँ आता है WiCAT, एक नया "ब्रेन ट्रांसलेटर" (मस्तिष्क अनुवादक) जिसे USC के शोधकर्ताओं द्वारा बनाया गया है। WiCAT को एक सुपर-स्मार्ट टूर गाइड की तरह समझें जिसने केवल व्यक्तिगत पर्यटकों की आदतों को याद करने के बजाय पूरे शहर के ब्लूप्रिंट (मस्तिष्क की शारीरिक रचना) का अध्ययन किया है।
समस्या: बहुत अधिक शोर, बहुत सारे नक्शे
वाइडफील्ड कैल्शियम इमेजिंग (Widefield calcium imaging) एक हाई-डेफिनिशन ड्रोन कैमरे की तरह है जो मस्तिष्क की सतह के ऊपर उड़ रहा है। यह एक साथ लाखों न्यूरॉन्स की चमकती गतिविधि को कैप्चर करता है, जिससे मस्तिष्क की क्रिया में एक विशाल, घूमता हुआ वीडियो बनता है। लेकिन यहाँ एक पेच है: ये वीडियो बहुत बड़े, अस्त-व्यस्त और "बैकग्राउंड नॉइज़" (पृष्ठभूमि के शोर) से भरे होते हैं—जैसे कि मस्तिष्क अपने आप में गुनगुना रहा हो या उन चीजों पर प्रतिक्रिया दे रहा हो जिनका कार्य से कोई लेना-देना नहीं है।
इस अव्यवस्था के कारण, वैज्ञानिकों को आमतौर पर एक सत्र (session) का डेटा फेंकना पड़ता था और अगले के लिए नए सिरे से शुरुआत करनी पड़ती थी। वे 38 अलग-अलग चूहों, 378 अलग-अलग रिकॉर्डिंग सत्रों और दो अलग-अलग प्रकार के कार्यों के डेटा को मिलाकर एक विशाल, शक्तिशाली मॉडल बनाने के लिए आसानी से संयोजित नहीं कर सकते थे। यह एक भाषा सीखने के समान था जहाँ आप एक किताब से केवल एक वाक्य पढ़ते हैं, फिर उस किताब को फेंक देते हैं और दूसरी किताब के साथ फिर से शुरुआत करते हैं।
समाधान: "एटलस" ट्रिक
शोधकर्ताओं ने महसूस किया कि हालांकि हर चूहा अद्वितीय है, लेकिन उनके मस्तिष्क के "शहर के नक्शे" वास्तव में एक ही ब्लूप्रिंट पर बने होते हैं। इस समस्या को हल करने के लिए, उन्होंने एक तरीका विकसित किया जिससे वे प्रत्येक चूहे के मस्तिष्क डेटा को एक ही मानक मानचित्र पर फिट करने के लिए मजबूर कर सकें, जिसे एलन ब्रेन एटलस (Allen Brain Atlas) कहा जाता है।
इसे इस तरह समझें: कल्पना कीजिए कि 38 अलग-अलग लोग अपने घरों के नक्शे बना रहे हैं। एक 10x10 ग्रिड का उपयोग करता है, दूसरा 20x20 का, और वे सभी अपने किचन को थोड़े अलग स्थानों पर रखते हैं। WiCAT इन सभी अस्त-व्यस्त चित्रों को लेता है और उन्हें एक ही, सटीक, पहले से बने ग्रिड पर चिपका देता है। अचानक, चूहे A का "किचन" चूहे B के "किشن" के साथ बिल्कुल मेल खाता है।
एक बार जब सब कुछ संरेखित (align) हो जाता है, तो WiCAT मस्तिष्क के वीडियो को छोटे-छोटे पहेली के टुकड़ों (टोकन) में काट देता है और उन्हें एक विशाल AI मस्तिष्क (ट्रांसफॉर्मर) में डाल देता है जो यह अनुमान लगाने के लिए सीखता है कि छूटे हुए हिस्से कैसे दिखते हैं। यह एक खेल खेलने जैसा है जहाँ आप मस्तिष्क के वीडियो का 90% हिस्सा ढक देते हैं और AI से पूछते हैं कि नीचे क्या छिपा है। जीतने के लिए, AI को यह सीखना होगा कि मस्तिष्क कैसे चलता और सोचता है, न कि केवल उन चूहों के विशिष्ट चेहरों को याद रखना जिन्हें उसने पहले देखा है।
जादू: ज़ीरो-शॉट सुपरपावर्स (Zero-Shot Superpowers)
असली जादू तब होता है जब वे इसे एक ऐसे चूहे पर टेस्ट करते हैं जिसे उन्होंने पहले कभी नहीं देखा है।
अतीत में, यदि आप एक पुराने मॉडल को एक नया चूहा दिखाते, तो मॉडल भ्रमित हो जाता और विफल हो जाता। लेकिन WiCAT अलग है। क्योंकि इसने प्रशिक्षण के दौरान मस्तिष्क के शहर के "सार्वभौमिक नियमों" को सीखा है, यह एक नए चूहे को देख सकता है और तुरंत उसके व्यवहार को डिकोड करना शुरू कर सकता है।
- ज़ीरो-शॉट बिहेवियर डिकोडिंग: मॉडल एक नए चूहे को देख सकता है और अनुमान लगा सकता है कि वह क्या कर रहा है (जैसे लीवर के लिए पहुँचना या अपना सिर घुमाना) और यह आश्चर्यजनक सटीकता के साथ करता है, बिना उस विशिष्ट चूहे के किसी प्रारंभिक अभ्यास डेटा के। यह एक अजनबी से मिलने और तुरंत यह जानने जैसा है कि वह कैसे चलता है, सिर्फ इसलिए क्योंकि आपने मानव पैरों के ब्लूप्रिंट का अध्ययन किया है।
- खाली जगहों को भरना: मॉडल यह भी अनुमान लगा सकता है कि मस्तिष्क के उस हिस्से में क्या हो रहा है जिसे वह "देख" नहीं सकता (एक क्षेत्र जिसे मास्क कर दिया गया था), केवल बाकी मस्तिष्क की गतिविधि को देखकर। यह एक कमरे में हो रही बातचीत को सुनने जैसा है जिसे आप देख नहीं सकते, बस गलियारे से आने वाली धीमी आवाजों को सुनकर।
WiCAT क्या नहीं है (और यह क्या खारिज करता है)
यह जानना महत्वपूर्ण है कि यह मॉडल क्या नहीं करता है, क्योंकि पेपर इस बारे में बहुत स्पष्ट है।
- यह एनाटॉमी (शरीर रचना) को अनदेखा करने वाला "एक-आकार-सभी-के-लिए" वाला जादुई उपकरण नहीं है। पेपर स्पष्ट रूप से उन मॉडलों के विरुद्ध तर्क देता है जो बिना मैप के सीखने की कोशिश करते हैं। यदि आप एटलस के साथ मस्तिष्क को संरेखित किए बिना मॉडल को प्रशिक्षित करने का प्रयास करते हैं, तो यह नए विषयों पर सामान्यीकरण (generalize) करने में विफल रहता है। "मैप" आवश्यक है।
- इसे हर नए चूहे के लिए फिर से प्रशिक्षित करने की आवश्यकता नहीं है। पेपर ने उन मॉडलों का परीक्षण किया जो "सेशन-विशिष्ट" विवरण (जैसे प्रत्येक चूहे के लिए एक अद्वितीय ID) सीखने की कोशिश करते थे। वे मॉडल एक नए चूहे के सामने आने पर विफल हो गए। WiCAT साबित करता है कि आपको हर नए जानवर के लिए पूरे सिस्टम को फिर से प्रशिक्षित करने की आवश्यकता नहीं है; साझा "ब्रेन लैंग्वेज" पर्याप्त है।
- यह अभी तक "परफेक्ट" समाधान नहीं है। पेपर सुझाव देता है कि हालांकि परिणाम मजबूत हैं, मॉडल अभी भी इस बात पर निर्भर करता है कि मस्तिष्क सही ढंग से संरेखित है। यदि मैप मुड़ा हुआ या गलत संरेखित है, तो मॉडल का प्रदर्शन गिर जाता है। यह मजबूत है, लेकिन अजेय नहीं है।
संख्याएँ (प्रमाण)
शोधकर्ताओं ने केवल अनुमान नहीं लगाया; उन्होंने मापा।
- उन्होंने 38 विषयों के डेटा पर 378 सत्रों में प्रशिक्षण लिया।
- जब नए, अनदेखे चूहों पर परीक्षण किया गया, तो WiCAT ने Musall डेटासेट पर 0.3274 और Kondo डेटासेट पर 0.1840 का बिहेवियर डिकोडिंग स्कोर (R²) प्राप्त किया।
- तुलना करें पुराने "सिंगल-सेशन" मॉडलों से, जिन्होंने उसी नए चूहों पर क्रमशः लगभग 0.0477 और 0.0573 का स्कोर किया। यह एक बहुत बड़ी छलांग है!
- इससे भी बेहतर, यदि आप मॉडल को थोड़ी सी मदद देते हैं (लगभग 16 ट्रायल या लगभग 100 सेकंड की रिकॉर्डिंग), तो यह अनुकूलित हो सकता है और और भी बेहतर हो सकता है, जिससे स्कोर 0.4336 और 0.2869 तक पहुँच जाता है।
निष्कर्ष
WiCAT मस्तिष्क के लिए एक "फाउंडेशन मॉडल" की ओर एक बड़ा कदम है—एक एकल, शक्तिशाली AI जो विभिन्न जानवरों और कार्यों में मस्तिष्क की गतिविधि की सामान्य भाषा को समझता है। यह सुझाव देता है कि यदि हम अपने डेटा को सही ढंग से संरेखित करते हैं और AI को विशिष्ट विवरणों के बजाय सार्वभौमिक पैटर्न खोजने के लिए सिखाते हैं, तो हम ऐसे मॉडल बना सकते हैं जो नए विषयों पर तुरंत काम कर सकें।
पेपर यह दावा नहीं करता है कि यह सब कुछ हल कर देता है या यह हर प्रकार के मस्तिष्क डेटा (जैसे डीप ब्रेन रिकॉर्डिंग) के लिए काम करता है। लेकिन वाइडफील्ड कैल्शियम इमेजिंग के लिए, यह एक नया रास्ता सुझाता है: हर मस्तिष्क को एक अद्वितीय पहेली के रूप में देखना बंद करें और AI को उस साझा ब्लूप्रिंट को सिखाना शुरू करें जो उन सभी को जोड़ता है। और सबसे अच्छी बात? कोड ओपन है, ताकि कोई भी इस "ब्रेन ट्रांसलेटर" पर निर्माण करने की कोशिश कर सके।
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।