Standard-Compliant Neuromorphic Integrated Sensing and Communications Aided by an Intelligent Reflecting Surface

वायरलेस संचार की दुनिया की कल्पना एक हलचल भरे, शोर वाले शहर के रूप में करें। इस शहर में, आपके फोन या स्मार्ट टैग जैसे उपकरण आपस में संदेश चिल्ला रहे हैं, और ट्रैफिक के शोर और ऊंची इमारतों की गूँज के बीच अपनी बात सुनाने की कोशिश कर रहे हैं। दशकों से, इंजीनियरों ने इन उपकरणों को एक मेहनती मुनीम (accountant) की तरह बनाया है: वे लगातार अपना गणित चेक करते हैं, सिग्नल के हर संभावित रास्ते की गणना करते हैं, और यह सुनिश्चित करने के लिए भारी, क्लॉक-ड्रिवन प्रोसेसर का उपयोग करते हैं कि संदेश पहुँच जाए। लेकिन यह दृष्टिकोण एक तालाब में गिरने वाली बारिश की एक अकेली बूंद के लिए जटिल गणितीय समस्या हल करने जैसा है—इसमें बहुत अधिक ऊर्जा खर्च होती है और समय भी लगता है।

यहाँ एक नया विचार आता है जिसे "न्यूरोमॉर्फिक कंप्यूटिंग" (neuromorphic computing) कहा जाता है। इसे केवल एक कैलकुलेटर के रूप में नहीं, बल्कि एक मस्तिष्क के रूप में सोचें। संख्याओं को लगातार प्रोसेस करने के बजाय, एक मस्तिष्क केवल तभी सक्रिय होता है जब कुछ दिलचस्प होता है—यानी गतिविधि का एक "स्पाइक" (spike)। यह अविश्वसनीय रूप से कुशल है। अब, इस मस्तिष्क जैसी दक्षता को अल्ट्रा-वाइडबैंड (UWB) नामक एक विशेष प्रकार के रेडियो सिग्नल के साथ जोड़ने की कल्पना करें। UWB एक बहुत तेज़, बहुत छोटे प्रकाश के फ्लैश की तरह है; यह इतना सटीक है कि यह आपको बता सकता है कि कोई चीज़ कितनी दूर है, लगभग एक रडार की तरह, और साथ ही डेटा भी भेज सकता है। बड़ा सवाल जो वैज्ञानिक पूछ रहे हैं, वह यह है: क्या हम एक ऐसा वायरलेस डिवाइस बना सकते हैं जो बात करने और सेंसिंग (सेंसिंग) दोनों को एक साथ करने के लिए इस "मस्तिष्क जैसी" प्रोसेसिंग का उपयोग करे, बिना बैटरी खत्म किए? यह "इंटीग्रटेड सेंसिंग एंड कम्युनिकेशंस" (ISAC) की चुनौती है, और यह महत्वपूर्ण है क्योंकि हमारे भविष्य के उपकरणों को अधिक स्मार्ट, तेज़ और बहुत अधिक ऊर्जा-कुशल होने की आवश्यकता है।

---

द ब्रेन की रेडियो दैट लिस्टन्स टू द सिटी (शहर को सुनने वाला दिमागी रेडियो)

इस शोध पत्र में, शोधकर्ताओं की एक टीम एक ऐसे वायरलेस सिस्टम का प्रोटोटाइप बनाती है जो एक तंत्रिका तंत्र (nervous system) की तरह काम करता है। वे इसे "स्टैंडर्ड-कंप्लायंट न्यूरोमॉर्फिक इंटीग्रेटेड सेंसिंग एंड कम्युनिकेशंस" (N-ISAC) सिस्टम कहते हैं। उन्होंने क्या किया, इसे समझने के लिए, आइए उनके कहानी के पात्रों को समझते हैं।

सबसे पहले, सिग्नल है। एक जटिल, निरंतर तरंग (continuous wave) के बजाय, वे IEEE 802.15.4z नामक एक मानक रेडियो प्रारूप का उपयोग करते हैं। इसे एक बहुत ही विशिष्ट, मानकीकृत भाषा के रूप में समझें जिसे वास्तविक दुनिया के उपकरण (जैसे आपके फोन में) पहले से ही बोलते हैं। यह "इम्पल्स रेडियो" का उपयोग करता है, जिसका अर्थ है कि यह डेटा को बहुत छोटे, अत्यंत संक्षिप्त विस्फोटों (bursts) में भेजता है, जैसे मोर्स कोड के बिंदुओं की एक तीव्र श्रृंखला।

दूसरा, वातावरण है। वास्तविक दुनिया में, सिग्नल इमारतों, कारों और पेड़ों से टकराकर वापस आते हैं। चीजों को और भी दिलचस्प (और कठिन) बनाने के लिए, शोधकर्ताओं ने अपने सिमुलेशन में एक "रीकॉन्फ़िगरेबल इंटेलिजेंट सरफेस" (RIS) जोड़ा। एक दीवार पर लगे एक विशाल, हाई-टेक दर्पण की कल्पना करें जो रेडियो तरंगों को मोड़ने के लिए प्रोग्राम किया जा सकता है। हालाँकि, यह दर्पण पूर्ण नहीं है; यह विशेष सामग्रियों से बना है जो विभिन्न आवृत्तियों (frequencies) पर अलग-अलग प्रतिक्रिया करते हैं, ठीक वैसे ही जैसे एक प्रिज्म सफेद रोशनी को इंद्रधनुष में विभाजित करता है। इसके कारण रेडियो पल्स फैल जाते हैं और थोड़े अस्त-व्यस्त हो जाते हैं, जो डेटा भेजने और वस्तुओं का पता लगाने, दोनों के लिए एक समस्या है।

तीसरा, रिसीवर है। यह मुख्य आकर्षण है। एक पारंपरिक कंप्यूटर चिप के बजाय जो सब कुछ कैलकुलेट करती है, वे एक स्पाइकिंग न्यूरल नेटवर्क (SNN) का उपयोग करते हैं। यह एक कंप्यूटर प्रोग्राम है जो एक जैविक मस्तिष्क की नकल करता है। यह केवल तभी "फायर" करता है या काम करता है जब इसे एक विशिष्ट घटना (एक स्पाइक) प्राप्त होती है। यह अविश्वसनीय रूप से ऊर्जा-कुशल है क्योंकि यह तब तक बिजली बर्बाद नहीं करता जब तक कि कुछ हो न रहा हो।

समस्या: अस्त-व्यस्त दर्पण और थका हुआ मस्तिष्क

शोधकर्ता यह देखना चाहते थे कि क्या यह मस्तिष्क जैसा रिसीवर वास्तविक दुनिया की अस्त-व्यस्त वास्तविकता को संभाल सकता है। विशेष रूप से, उन्हें दो चीजों की चिंता थी:

1. दर्पण का विरूपण (Distortion): क्योंकि RIS (स्मार्ट दर्पण) फ्रीक्वेंसी-सेलेक्टिव है, यह रेडियो पल्स को फैला देता है। इससे यह बताना कठिन हो जाता है कि सिग्नल कब आया, जो संदेश पढ़ने और किसी लक्ष्य (जैसे कार या व्यक्ति) का पता लगाने, दोनों के लिए महत्वपूर्ण है।
2. ऊर्जा की लागत: पारंपरिक रिसीवर इस गड़बड़ी को ठीक करने के लिए भारी गणनाओं (चैनल एस्टीमेशन और इक्वलाइजेशन) का उपयोग करते हैं, इससे पहले कि वे संदेश पढ़ना शुरू कर सकें। इसमें बहुत अधिक शक्ति खर्च होती है।

टीम ने पूछा: क्या एक मस्तिष्क जैसा रिसीवर इस अस्त-व्यस्त, विकृत सिग्नल को देख सकता है, समझ सकता है कि क्या हो रहा है, और बहुत कम ऊर्जा का उपयोग करके संदेश को डिकोड कर सकता है और लक्ष्य का पता लगा सकता है?

उन्होंने क्या किया: "हाइपरनेटवर्क" ट्रिक

इसका उत्तर देने के लिए, उन्होंने केवल एक साधारण मस्तिष्क नहीं बनाया; उन्होंने एक ऐसा मस्तिष्क बनाया जो चलते-चलते सीख सके। उन्होंने दो भागों वाला एक सिस्टम बनाया:

1. मुख्य मस्तिष्क (SNN): यह भाग वास्तविक डेटा को प्रोसेस करता है और तय करता है कि लक्ष्य मौजूद है या नहीं।
2. कोच (हाइपरनेटवर्क): यह एक छोटा न्यूरल नेटवर्क है जो संदेश की शुरुआत (प्रिअैम्बल या "SYNC" फील्ड)—जो एक ज्ञात पैटर्न है जिसे डेटा से पहले भेजा जाता है—को देखता है। इस ज्ञात पैटर्न के चैनल और दर्पण द्वारा कैसे विकृत किया गया है, इसके आधार पर, कोच तुरंत मुख्य मस्तिष्क की सेटिंग्स को एडजस्ट कर देता है।

इसे एक ऐसे संगीतकार के रूप में सोचें जो खराब ध्वनिकी (acoustics) वाले कमरे में गाना बजा रहा है। कमरे के प्रतिध्वनि (echo) को मापने और शीट म्यूजिक को फिर से लिखने के बजाय (जिसमें समय और ऊर्जा लगती है), संगीतकार पहले कुछ नोट्स (प्रिअैंबल) सुनता है, तुरंत अपनी बजाने की शैली को समायोजित करता है, और गाना पूरी तरह से जारी रखता है।

उन्होंने एक "स्पार्स" (sparse) विशेषता भी जोड़ी। चूंकि मस्तिष्क केवल तभी काम करता है जब कोई स्पाइक होता है, उन्होंने सिस्टम को कमजोर, शोर वाले सिग्नलों को अनदेखा करने और केवल मजबूत, महत्वपूर्ण सिग्नलों पर ध्यान केंद्रित करने के लिए प्रोग्राम किया। यह भीड़भाड़ वाले कमरे में बैकग्राउंड की बातचीत को अनदेखा करने और केवल उस व्यक्ति को सुनने जैसा है जो आपका नाम पुकार रहा है।

निष्कर्ष: एक ट्रेड-ऑफ और दक्षता की जीत

एक वर्चुअल शहर में अपने स्मार्ट दर्पण के साथ हजारों सिमुलेशन चलाने के बाद, शोधकर्ताओं ने कुछ दिलचस्प परिणाम पाए:

1. दर्पण एक दोधारी तलवार है
उन्होंने पाया कि "स्मार्ट मिरर" (RIS) एक कठिन ट्रेड-ऑफ पैदा करता है।

• कम्युनिकेशन के लिए: यदि दर्पण को बहुत "शार्प" (उच्च गुणवत्ता कारक) होने के लिए ट्यून किया जाता है, तो यह सिग्नल को अधिक विकृत करता है, जिससे डेटा पढ़ना कठिन हो जाता है। एक "सॉफ्ट" दर्पण संदेश भेजने के लिए बेहतर है।
• सेंसिंग के लिए: आश्चर्यजनक रूप से, एक "शार्प" दर्पण वास्तव में सेंसिंग में मदद करता है! बैकग्राउंड शोर और क्लटर को फ़िल्टर करके, यह लक्ष्य (जैसे कार) को बैकग्राउंड के मुकाबले अधिक स्पष्ट रूप से उभारता है।
• निष्कर्ष: आप एक ही सेटिंग के साथ दोनों तरफ की सर्वश्रेष्ठ चीजें नहीं पा सकते। शोधकर्ताओं ने दिखाया कि आपको दर्पण की सेटिंग्स को इस आधार पर संतुलित करना होगा कि आप टेक्स्ट मैसेज भेजने या चलती हुई वस्तु का पता लगाने में से किसे अधिक महत्व देते हैं।

2. मस्तिष्क ऊर्जा के मामले में जीतता है
जब उन्होंने अपने मस्तिष्क जैसे रिसीवर की तुलना पारंपरिक "मुनीम" (accountant) रिसीवर से की, तो अंतर बहुत बड़ा था।

• पारंपरिक रिसीवर जो संदेश पढ़ने से पहले सिग्नल को गणितीय रूप से ठीक करने की कोशिश करते हैं, वे प्रति संदेश फ्रेम लगभग 4.2 मिलीजूल ऊर्जा का उपयोग करते हैं।
• उनका मस्तिष्क जैसा रिसीवर, जो भारी गणित के बिना सीधे सिग्नल के अनुकूल होता है, 91 माइक्रोजूल से भी कम ऊर्जा का उपयोग करता है।
• यह ऊर्जा के उपयोग में एक भारी गिरावट है! "स्पार्स" विशेषता जोड़ने से (कमजोर सिग्नलों को अनदेखा करने से), वे प्रदर्शन में मामूली गिरावट के साथ ऊर्जा के उपयोग को और भी कम करके लगभग 51 माइक्रोजूल तक ले आए।

3. कोई जादू नहीं, बस स्मार्ट डिज़ाइन
पेपर स्पष्ट रूप से इस विचार को खारिज करता है कि इसे काम करने के लिए आपको एक अलग, पूर्ण चैनल मैप की आवश्यकता है। उनके सिस्टम को यह जानने की आवश्यकता नहीं है कि शहर या दर्पण का सटीक लेआउट क्या है। यह हर बार "प्रिअैंबल" (संदेश की शुरुआत) से सीखता है। यह एक बड़ी बात है क्योंकि इसका मतलब है कि सिस्टम बिना बार-बार री-कैलिब्रेट किए बदलते परिवेश में काम कर सकता है।

निचोड़ (The Bottom Line)

यह पेपर सुझाव देता है कि हम मस्तिष्क के काम करने के तरीके की नकल करके वायरलेस डिवाइस बना सकते हैं जो स्मार्ट और ऊर्जा-कुशल दोनों हों। एक मस्तिष्क जैसे प्रोसेसर का उपयोग करके जो परिवेश के अनुकूल तुरंत ढल जाता है और अनावश्यक शोर को अनदेखा करता है, हम बैटरी खत्म किए बिना डेटा भेज सकते हैं और वस्तुओं का पता लगा सकते हैं।

हालाँकि, लेखक सावधानीपूर्वक नोट करते हैं कि ये परिणाम एक नियंत्रित, वर्चुअल शहर में सिमुलेशन से आए हैं। जबकि गणित आशाजनक दिखता है और ऊर्जा की बचत सैद्धांतिक रूप से बहुत बड़ी है, यह वास्तविक दुनिया की तकनीक की ओर एक कदम है, न कि तैयार उत्पाद। उन्होंने दिखाया है कि "मस्तिष्क" वाला दृष्टिकोण व्यवहार्य है और "स्मार्ट मिरर" जटिलता की एक परत जोड़ता है जिसके लिए सावधानीपूर्वक संतुलन की आवश्यकता होती है। यह एक 'प्रूफ ऑफ कॉन्सेप्ट' है जो कहता है, "हे, इस मस्तिष्क जैसे तरीके से काम करने के फायदे हो सकते हैं, बशर्ते हम उस हार्डवेयर को बना सकें जो सॉफ्टवेयर के अनुरूप हो।"