Living deep reservoir computing by microfluidic axon routing

मानव मस्तिष्क जैविक इंजीनियरिंग का एक चमत्कार है, जो दुनिया के सबसे शक्तिशाली सुपरकंप्यूटरों द्वारा आवश्यक ऊर्जा के एक बहुत छोटे अंश का उपभोग करते हुए जटिल गणना करने, यादें संचित करने और निर्णय लेने में सक्षम है। यह दक्षता इस बात से आती है कि मस्तिष्क कैसे बना है: अरबों तंत्रिका कोशिकाएं, या न्यूरॉन्स, विशाल, जटिल नेटवर्क में जुड़े हुए हैं जहाँ स्मृति और गणना एक ही सूक्ष्म जंक्शनों पर एक साथ होती हैं। दशकों से, वैज्ञानिकों ने इस जैविक प्रतिभा की नकल करने के लिए सिलिकॉन चिप्स का उपयोग करके विशेष कंप्यूटर हार्डवेयर बनाने का प्रयास किया है जो मस्तिष्क की संरचना की नकल करने की कोशिश करता है। हालाँकि, ये इलेक्ट्रॉनिक प्रणालियाँ अभी भी जीवित ऊतकों की कच्ची दक्षता और अनुकूलन क्षमता से मेल खाने के लिए संघर्ष करती हैं। इस अंतर को पाटने के लिए, शोधकर्ताओं ने एक अलग रास्ता तलाशना शुरू किया है: एक प्रयोगशाला में उगाए गए वास्तविक जीवित न्यूरॉन्स को स्वयं कंप्यूटिंग सामग्री के रूप में उपयोग करना। इस दृष्टिकोण के साथ चुनौती यह थी कि जीवित न्यूरॉन्स, जब एक डिश में उगाए जाते हैं, तो वे बेतरतीब ढंग से जुड़ने की प्रवृत्ति रखते हैं, जिससे यह नियंत्रित करना कठिन हो जाता है कि सूचना उनके माध्यम से कैसे प्रवाहित होती है। इन संकेतों के लिए स्पष्ट दिशा के बिना, नेटवर्क एक संरचित कंप्यूटर के बजाय एक अराजक अव्यवस्था की तरह व्यवहार करता है, जो जटिल समस्याओं को हल करने की इसकी क्षमता को सीमित करता है।

शोधकर्ताओं की एक टीम ने अब इस जैविक अराजकता में व्यवस्था लाने का एक तरीका विकसित किया है, जिससे एक ऐसा जीवित कंप्यूटर बनाया गया है जो एक विशिष्ट, आगे की ओर बढ़ने वाली दिशा में सूचना को संसाधित करता है। उन्होंने एक विशेष माइक्रोफ्लुइडिक चिप के भीतर चूहे के न्यूरॉन्स के नेटवर्क विकसित किए, जो एक ऐसा उपकरण है जिसमें सूक्ष्म चैनल हैं जो तंत्रिका कोशिकाओं के लिए सड़कों के रूप में कार्य करते हैं। इन सड़कों को 'वन-वे गेट्स' (एकतरफा द्वारों) के साथ डिजाइन करके, वैज्ञानिकों ने न्यूरॉन्स को एक दिशा में, एक इनपुट लेयर से आउटपुट लेयर तक, बढ़ने के लिए मजबूर किया, जो उन्नत आर्टिफिशियल इंटेलिजेंस प्रणालियों में पाई जाने वाली गहरी, स्तरित संरचना की नकल करता है। यह सेटअप, जिसे वे "लिविंग डीप रिज़र्वोइर" कहते हैं, जैविक नेटवर्क को चरणों में जटिल संकेतों को संसाधित करने, सूचना को आगे बढ़ाते समय उसे फ़िल्टर करने और बदलने की अनुमति देता है। यह परीक्षण करने के लिए कि क्या यह दिशात्मक नियंत्रण वास्तव में कंप्यूटर को स्मार्ट बनाता है, उन्होंने एक नियंत्रण समूह (कंट्रोल ग्रुप) से तुलना की जहाँ न्यूरॉन्स को दोनों दिशाओं में बढ़ने की अनुमति दी गई थी, जिससे एक कम संगठित, दो-तरफा नेटवर्क बना। परिणामों ने दिखाया कि एक-तरफा, निर्देशित नेटवर्क दो कठिन कार्यों में काफी बेहतर था: एक गणितीय प्रणाली के अराजक व्यवहार की भविष्यवाणी करना और ऑडियो क्लिप से संगीत की विभिन्न शैलियों की पहचान करना।

शोधकर्ताओं ने अपने सिस्टम का निर्माण एक माइक्रोफ्लुइडिक चिप का उपयोग करके किया जो एक छोटे, पारदर्शी भूलभुलैया जैसा दिखता है। इस भूलभुलैया के भीतर, उन्होंने चूहे के भ्रूणों से लिए गए प्राथमिक न्यूरॉन्स को संवर्धित किया। इन कोशिकाओं को प्रकाश के प्रति संवेदनशील और कैमरों के लिए दृश्य बनाने के लिए, उन्होंने विशिष्ट जीन पेश किए जिन्होंने न्यूरॉन्स को प्रकाश-संवेदनशील स्विच में बदल दिया और उनके सक्रिय होने पर चमकने के योग्य बना दिया। चिप को कई कक्षों (चैम्बर्स) के साथ डिज़ाइन किया गया था जो संकीले चैनलों से जुड़े थे। प्रयोगात्मक समूह में, इन चैनलों को छोटे, त्रिकोणीय अवरोधों और घुमावदार मृत अंतों (डेड एंड्स) के साथ आकार दिया गया था जो भौतिक रूप से एक्सोन (न्यूरॉन्स के लंबे उभार) को पीछे की ओर बढ़ने से रोकते थे। इसने यह सुनिश्चित किया कि संकेत केवल पहले कक्ष से दूसरे कक्ष तक, और उसके बाद आगे बढ़ सकें, जिससे एक सख्त पदानुक्रम (हायरार्की) बन गया। नियंत्रण समूह में, चैनल साधारण सीधे ट्यूब थे, जिससे न्यूरॉन्स दोनों दिशाओं में बढ़ सकते थे और एक ऐसा नेटवर्क बना जहाँ संकेत बिना किसी स्पष्ट पथ के आगे-पीछे उछल सकते थे। दोनों प्रणालियों को एक परिष्कृत इंटरफ़ेस से जोड़ा गया था जो पहले स्तर के न्यूरॉन्स पर नीली रोशनी के पैटर्न प्रोजेक्ट कर सकता था ताकि सूचना भेजी जा सके, और एक कैमरा जो पूरे नेटवर्क को चमकते हुए देखकर आउटपुट रिकॉर्ड कर सके।

यह देखने के लिए कि उनके जीवित कंप्यूटर कितने प्रभावी ढंग से काम करते हैं, टीम ने उन्हें दो बहुत अलग समस्याओं को हल करने के लिए कहा। पहला एक अराजक टाइम सीरीज़ (chaotic time series) की भविष्यवाणी करने का परीक्षण था, जो एक प्रकार का सिग्नल है जो एक जटिल, अप्रत्याशित तरीके से बदलता है, जैसे कि मौसम या शेयर बाजार। उन्होंने डेटा को प्रकाश के स्पंदों (पल्स) के अनुक्रम में परिवर्तित किया और उन्हें न्यूरॉन्स की पहली परत में फीड किया। लिविंग डीप रिज़र्वोइर, अपने एक-तरफा चैनलों के साथ, नियंत्रण समूह की तुलना में सिग्नल की भविष्य की गतिविधियों को अधिक सटीकता के साथ ट्रैक करने में सक्षम था। जैसे-जैसे शोधकर्ताओं ने नेटवर्क में अधिक परतें जोड़ीं, निर्देशित प्रणाली का प्रदर्शन में सुधार हुआ, जबकि दो-तरफा प्रणाली तालमेल बिठाने में संघर्ष करती रही। दूसरा कार्य संगीत सुनने से संबंधित था। सिस्टम को यह पहचानने के लिए कहा गया कि क्या एक छोटी ऑडियो क्लिप 'ब्लूज', 'क्लासिकल' या 'कंट्री' संगीत की है। शोधकर्ताओं ने ध्वनि तरंगों को प्रकाश के पैटर्न में परिवर्तित किया जिसने न्यूरॉन्स को सक्रिय किया। फिर से, लिविंग डीप रिज़र्वोइर ने नियंत्रण समूह को पछाड़ दिया, जिसने संगीत की शैली को अधिक बार सही ढंग से पहचाना और संगीत की विभिन्न शैलियों को पहचानने की अधिक संतुलित क्षमता दिखाई, भले ही विशिष्ट गाने सिस्टम के लिए नए हों।

इस सफलता का मुख्य कारण नेटवर्क की संरचना प्रतीत होती है। न्यूरॉन्स को एक ही दिशा में जुड़ने के लिए मजबूर करके, शोधकर्ताओं ने एक ऐसा सिस्टम बनाया जहाँ सूचना को चरणों में संसाधित किया जाता है, जहाँ प्रत्येक स्तर अगले स्तर पर भेजने से पहले सिग्नल को परिष्कृत करता है। इस पदानुक्रमित प्रसंस्करण (hierarchical processing) ने नेटवर्क को इनपुट डेटा की समृद्ध समझ बनाने की अनुमति दी, जैसा कि आधुनिक आर्टिफिशियल इंटेलिजेंस में डीप लर्निंग एल्गोरिदम करते हैं। नेटवर्क की गतिविधि के विश्लेषण ने दिखाया कि निर्देशित प्रणाली ने उच्च स्तर का संगठन, या मॉड्यूलरिटी बनाए रखी, जिसका अर्थ है कि नेटवर्क के विभिन्न हिस्से अधिक सामंज्य के साथ मिलकर काम करते हैं। इसके विपरीत, दो-तरफा नियंत्रण समूह ने अधिक अराजक, सिंक्रोनाइज्ड फायरिंग प्रदर्शित की जो समान स्तर के जटिल कंप्यूटिंग का समर्थन नहीं करती थी। यह अध्ययन प्रदर्शित करता है कि एक जैविक नेटवर्क की भौतिक वास्तुकला (आर्किटेक्चर) उतनी ही महत्वपूर्ण है जितने कि स्वयं कोशिकाएं; केवल न्यूरॉन्स के बढ़ने के तरीके को निर्देशित करके, वैज्ञानिक जीवित ऊतकों की कंप्यूटिंग शक्ति को महत्वपूर्ण रूप से बढ़ा सकते हैं।

यह कार्य यह दावा नहीं करता है कि इन्होंने एक पूर्ण कार्यात्मक जैविक मस्तिष्क बनाया है, न ही यह सुझाव देता है कि ये जीवित चिप्स तुरंत सिलिकॉन कंप्यूटरों की जगह ले लेंगे। इसके बजाय, यह एक 'प्रूफ ऑफ कॉन्सेप्ट' प्रदान करता है कि डीप लर्निंग के सिद्धांतों को भौतिक डिजाइन के माध्यम से जीवित न्यूरल नेटवर्क पर लागू किया जा सकता है। शोधकर्ताओं ने दिखाया कि न्यूरॉन्स के विकास को एक विशिष्ट पथ का पालन करने के लिए बाधित करके, वे एक ऐसा जैविक सिस्टम बना सकते हैं जो परिष्कृत सूचना प्रसंस्करण करने में सक्षम है जिसे एक यादृच्छिक (रैंडम) नेटवर्क प्राप्त नहीं कर सकता था। यह इस बात पर शोध के लिए एक नया मार्ग खोलता है कि जैविक प्रणालियाँ सूचना को कैसे संसाधित करती हैं और अत्यधिक कुशल, मस्तिष्क से प्रेरित कंप्यूटिंग उपकरणों को बनाने की दिशा में एक संभावित मार्ग भी प्रदान करता है जो जीवित कोशिकाओं की अनुकूलन क्षमता को इंजीनियर संरचनाओं की सटीकता के साथ जोड़ते हैं। निष्कर्ष बताते हैं कि भविष्य के बायो-हाइब्रिड कंप्यूटिंग का आधार केवल वे कोशिकाएं नहीं होंगी जिनका हम उपयोग करते हैं, बल्कि वे सड़कें भी होंगी जिन्हें हम उनके चलने के लिए बनाते हैं।