The limbic navigation system as a hierarchical RNN
यह शोध पत्र एक पदानुक्रमित आवर्ती तंत्रिका नेटवर्क (hierarchical recurrent neural network) प्रस्तुत करता है, जो पाथ-इंटीग्रेशन प्रशिक्षण के माध्यम से, मस्तिष्क की लिम्बिक नेविगेशन प्रणाली के प्रमुख तंत्रिका निरूपणों, सर्किट मोटिफ्स और गतिशील घटनाओं को सफलतापूर्वक पुनरुत्पादित करता है, जो तंत्रिका तंत्र के तंत्रों को स्थानिक व्यवहार से जोड़ने के लिए एक जैविक रूप से व्याख्या योग्य ढांचा प्रदान करता है।
मूल पेपर CC BY 4.0 (https://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
यह समझने के लिए कि एक जानवर अपने घर का रास्ता कैसे ढूँढता है, वैज्ञानिक मस्तिष्क के भीतर एक विशेष नेटवर्क की ओर देखते हैं जिसे लिम्बिक नेविगेशन सिस्टम (limbic navigation system) कहा जाता है। यह प्रणाली एक आंतरिक दिशा-सूचक और मानचित्र के रूप में कार्य करती है, जिससे जीव बिना किसी लैंडमार्क (स्थानीय पहचान) को देखे अपनी स्थिति और अभिविन्यास (orientation) को ट्रैक कर पाते हैं। यह विशिष्ट प्रकार की तंत्रिका कोशिकाओं पर निर्भर करती है जो विशिष्ट पैटर्न में सक्रिय होती हैं: कुछ संकेत देती हैं कि जानवर किस दिशा में देख रहा है, अन्य यह मापती हैं कि वह कितनी गति से चल रहा है, और तीसरा समूह एक ग्रिड जैसा पैटर्न बनाता है जो स्थान में स्थिति को चिह्नित करता है। दशकों से, शोधकर्ता इस बात को समझने की कोशिश कर रहे हैं कि इन विभिन्न संकेतों को कैसे संसाधित और संयोजित किया जाता है। हालांकि कुछ मॉडलों ने व्यक्तिगत कोशिकाओं के फायरिंग पैटर्न को सफलतापूर्वक पुन: निर्मित किया है, लेकिन वे अक्सर मस्तिष्क को एक एकल, सपाट मशीन के रूप में देखते हैं, जिससे यह तथ्य छूट जाता है कि वास्तविक मस्तिष्क दिशा और गति को अलग-अलग, जुड़े हुए चरणों में संसाधित करता है।
यूनिवर्सिटी कॉलेज लंदन के शोधकर्ताओं की एक टीम ने इस अंतर को पाटने के लिए एक नए प्रकार का कंप्यूटर मॉडल बनाया है। उन्होंने एक 'हाइरार्किकल रिकरेंट न्यूरल नेटवर्क' (hierarchical recurrent neural network) बनाया, जो मस्तिष्क की स्तरित संरचना की नकल करने के लिए डिज़ाइन किया गया एक सिस्टम है। कंप्यूटर को एक एकल, पूर्व-पैकेज किए गए गति और दिशा सिग्नल को देने के बजाय, उन्होंने इसे दो अलग-अलग इनपुट दिए: एक कि जानवर कितनी तेजी से मुड़ रहा है और दूसरा कि वह कितनी तेजी से आगे बढ़ रहा है। यह मॉडल चार विशिष्ट परतों में व्यवस्थित है जो सूचना को एक विशिष्ट क्रम में आगे भेजती है, बिल्कुल एक फैक्ट्री असेंबली लाइन की तरह जहाँ कच्चे माल को चरण-दर-चरण एक तैयार उत्पाद में बदला जाता है। पहली परतें मुड़ने के संकेतों को संभालती हैं, जबकि बाद की परतें जानवर की सटीक स्थिति की गणना करने के लिए उन दिशाओं को गति के साथ जोड़ती हैं।
जब शोधकर्ताओं ने इस सिस्टम को 'पाथ इंटीग्रेशन' (path integration) का कार्य करने के लिए प्रशिक्षित किया—यानी केवल गति के आधार पर अपनी स्थिति का पता रखना—तो इसने न केवल गणितीय समस्या को हल करना सीखा, बल्कि इसने स्वतः ही ऐसे आंतरिक प्रतिनिधित्व विकसित किए जो चूहों और मूषकों के मस्तिष्क में पाई जाने वाली वास्तविक जैविक कोशिकाओं के समान थे। मॉडल की पहली परतों ने ऐसी कोशिकाएं उत्पन्न कीं जो तब सक्रिय होती थीं जब जानवर बाएं या दाएं मुड़ता था, जो 'एंगुलर वेलोसिटी सेल्स' (angular velocity cells) की नकल करती थीं। जैसे-जैसे सिग्नल दूसरी परत में पहुँचा, कोशिकाएं केवल दिशा पर अधिक केंद्रित हो गईं, जो 'हेड डायरेक्शन सेल्स' (head direction cells) के समान थीं। गहरी परतों में, नेटवर्क ने ऐसी ग्रिड कोशिकाएं बनाईं जो एक पैटर्न में सक्रिय होती थीं, ठीक वैसे ही जैसे मस्तिष्क के एंटोरहिनल कॉर्टेक्स (entorhinal cortex) में पाई जाने वाली प्रसिद्ध 'ग्रिड सेल्स'। महत्वपूर्ण रूप से, मॉडल ने ऐसी कोशिकाएं भी बनाईं जो दिशा और स्थान को जोड़ती थीं, जो एक जटिल प्रकार की कोशिका है जिसे प्रकृति में देखा जाता है लेकिन सरल कंप्यूटर मॉडलों में शायद ही कभी देखा जाता है।
शोधकर्ताओं ने मॉडल को मस्तिष्क जैसा दिखने के लिए मजबूर नहीं किया; उन्होंने बस इसे कार्य सीखने दिया। फिर भी, इसके आंतरिक कनेक्शन ज्ञात जैविक पैटर्न से मेल खाते थे। नेटवर्क ने एक वलय जैसी (ring-like) संरचना विकसित की जहाँ गतिविधि एक घेरे में सुचारू रूप से प्रवाहित हो सकती थी, जो एक स्थिर दिशा बनाए रखने के लिए आवश्यक मानी जाती है। इसने कोशिकाओं के बीच विशिष्ट, असममित (asymmetric) संबंध भी बनाए जिससे जानवर के मुड़ने पर सिस्टम अपने आंतरिक मानचित्र को सही ढंग से बदल सके। जब वैज्ञानिकों ने मॉडल की मजबूती का परीक्षण किया, तो उन्होंने पाया कि यह प्रशिक्षण के दौरान देखे गए रास्तों की तुलना में बहुत अधिक दूरी तक नेविगेट कर सकता है, जो यह दर्शाता है कि इसने केवल विशिष्ट रास्तों को याद करने के बजाय गति के एक सामान्य सिद्धांत को सीख लिया है।
इन भागों को एक साथ कैसे काम करते हुए देखना है, यह देखने के लिए टीम ने मॉडल के भीतर विशिष्ट समूहों की कोशिकाओं को अक्षम करके आभासी प्रयोग किए। जब उन्होंने बाईं ओर मुड़ने का पता लगाने वाली कोशिकाओं को शांत किया, तो मॉडल की दिशा का आंतरिक बोध लगातार दाईं ओर खिसकने लगा। जब उन्होंने दिशा-संवेदी परतों और स्थान-संवेदी परतों के बीच के कनेक्शन को काट दिया, तो स्थान को चिह्नित करने वाले ग्रिड-जैसे पैटर्न टूटने लगे और अपना आकार खोने लगे। ये परिणाम वास्तविक दुनिया के उन प्रयोगों की नकल करते हैं जहाँ जानवरों के विशिष्ट मस्तिष्क क्षेत्रों को नुकसान पहुँचाने से समान दिशाहीनता होती है, जो पुष्टि करता है कि मॉडल ने विभिन्न प्रकार की कोशिकाओं के बीच कारण संबंधों (causal relationships) को पकड़ लिया है।
एक अंतिम, परिष्कृत परीक्षण में, शोधकर्ताओं ने मॉडल में एक लयबद्ध स्पंदन (rhythmic pulse) पेश किया, जो मस्तिष्क की प्राकृतिक 'थीटा तरंगों' (theta waves) की नकल करता है, जो गति के दौरान होने वाले धीमी विद्युत दोलन हैं। मुड़ने वाली कोशिकाओं के दो समूहों को इन तरंगों की लय के साथ एक-दूसरे को बाधित करने के लिए बारी-बारी से उपयोग करके, मॉडल ने अपने आंतरिक मानचित्र को आगे-पीछे घुमाना शुरू कर दिया। इससे एक "थीटा स्वीप" (theta sweep) उत्पन्न हुआ, एक ऐसी घटना जहाँ मस्तिष्क तेजी से जानवर की वर्तमान स्थिति के बाईं और दाईं ओर के स्थानों का अनुकरण करता है। यह व्यवहार, जो हाल ही में वास्तविक जानवरों में देखा गया है, बिना किसी स्पष्ट प्रोग्रामिंग के सिमुलेशन में स्वाभाविक रूप से उभरा।
यह अध्ययन सुझाव देता है कि मस्तिष्क की जटिल नेविगेशन प्रणाली केवल हिस्सों का एक यादृच्छिक संग्रह नहीं है, बल्कि एक अत्यधिक संगठित पदानुक्रम (hierarchy) है जहाँ दिशा और गति को संयोजित करने से पहले अलग-अलग संसाधित किया जाता है। इस संरचना का सम्मान करते हुए एक मॉडल बनाकर, शोधकर्ताओं ने एक डिजिटल ट्विन बनाया है जो वास्तविक न्यूरॉन्स और उन्हें जोड़ने वाले सर्किट के व्यवहार को दोहरा सकता है। यह दृष्टिकोण मस्तिष्क के काम करने के तरीके के बारे में विचारों का परीक्षण करने का एक शक्तिशाली नया तरीका प्रदान करता है, जिससे वैज्ञानिकों को आभासी प्रयोग करने की अनुमति मिलती है जो जीवित जानवरों पर करना कठिन या असंभव हो सकता है। यह कार्य इंगित करता है कि मस्तिष्क की नेविगेशन प्रणाली की विशिष्ट वास्तुकला केवल एक जैविक दुर्घटना नहीं है, बल्कि चलती दुनिया में स्थिति को ट्रैक करने की समस्या का एक आवश्यक समाधान 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।