Petri Net Description of Biological Neural Circuits for Fast Hardware Prototyping
यह शोध पत्र जैविक तंत्रिका परिपथों (biological neural circuits) को मॉडल करने के लिए एक T-समयबद्ध पेट्री नेट (T-timed Petri net) ढांचे का प्रस्ताव करता है जो निरंतर-समय गतिकी (continuous-time dynamics) के साथ विश्लेषणात्मक पत्राचार बनाए रखते हुए, तीन सिम्युलेटेड सूक्ष्म परिपथों (microcircuits) के माध्यम से मान्य, औपचारिक रूप से सत्यापन योग्य और डेडलाइन-गारंटीकृत वास्तविक समय निष्पादन सक्षम करके निश्चित-टाइमस्टेप सिमुलेशन की सीमाओं को दूर 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
मस्तिष्क एक मानक कंप्यूटर की तरह गणना नहीं करता है। जबकि एक पारंपरिक प्रोसेसर एक कठोर क्लॉक (घड़ी) का अनुसरण करता है, जो पूर्ण तालमेल में एक के बाद एक निर्देशों के माध्यम से चलता है, मस्तिष्क पूरी तरह से एक अलग सिद्धांत पर कार्य करता है। यह विद्युत स्पंदों (इलेक्ट्रिकल पल्स) पर निर्भर करता है, जिन्हें 'स्पाइक्स' कहा जाता है, जो सटीक क्षणों पर तंत्रिका कोशिकाओं के बीच यात्रा करते हैं। इस जैविक प्रणाली में, एक एकल स्पंद का सटीक समय केवल एक विवरण नहीं है; बल्कि संदेश स्वयं वही है। यदि मांसपेशियों की गति को समन्वित करने वाला संकेत एक सेकंड के अंश के रूप में भी देरी से पहुँचता है, तो परिणाम केवल एक धीमी क्रिया नहीं, बल्कि एक पूरी तरह से गलत क्रिया होती है। समय के प्रति यह संवेदनशीलता मस्तिष्क को एक "हार्ड रियल-टाइम" सिस्टम बनाती है, जहाँ शुद्धता पूरी तरह से सख्त समय-सीमाओं को पूरा करने पर निर्भर करती है। दशकों से, वैज्ञानिक इन तंत्रिका परिपथों (न्यूरल सर्किट्स) को मानक कंप्यूटरों पर सिम्युलेट करने के लिए संघर्ष कर रहे हैं क्योंकि उनका उपयोग करने वाला सॉफ्टवेयर अक्सर समय को एक निश्चित ग्रिड के रूप में मानता है, जिससे वास्तविक जीव विज्ञान की तरल, घटना-संचालित प्रकृति छूट जाती है। इसके अलावा, मौजूदा हार्डवेयर सिम्युलेटर अक्सर यह गारंटी नहीं दे पाते हैं कि एक संकेत एक विशिष्ट, सुरक्षित समय अंतराल के भीतर पहुँचेगा, जिससे अप्रत्याशित देरी की संभावना बनी रहती है जो एक जीवित जीव में कभी नहीं होगी।
इसे हल करने के लिए, न्यू जर्सी इंस्टीट्यूट ऑफ टेक्नोलॉजी, फ्लोरिडा अटलांटिक यूनिवर्सिटी और लॉरेंस बर्कले नेशनल लेबोरेटरी के शोधकर्ताओं की एक टीम ने तंत्रिका परिपथों को वर्णित करने और सिम्युलेट करने का एक नया तरीका विकसित किया है। उन्होंने "पेट्री न्यूरॉन" नामक एक मॉडल बनाया है, जो एक जैविक तंत्रिका कोशिका के व्यवहार को टोकन और गेट्स की एक प्रणाली में अनुवादित करता है, जो एक कारखाने में वस्तुओं की आवाजाही को ट्रैक करने वाले फ्लोचार्ट के समान है। इस मॉडल में, एक न्यूरॉन बिजली की निरंतर धारा नहीं है, बल्कि चरणों की एक श्रृंखला है: यह आने वाले संकेतों को एकत्र करता है, जाँच करता है कि क्या कुल योग एक महत्वपूर्ण स्तर तक पहुँच गया है, और यदि ऐसा है तो एक स्पाइक छोड़ता है। महत्वपूर्ण रूप से, इस प्रणाली में एक अंतर्निहित रिकवरी अवधि शामिल है, जो इस जैविक तथ्य की नकल करती है कि एक न्यूरॉन संकेत भेजने के तुरंत बाद फिर से फायर नहीं कर सकता है। इस संरचना का उपयोग करके, शोधकर्ता गणितीय रूप से यह सिद्ध कर सकते हैं कि एक सर्किट के माध्यम से संकेत यात्रा करने में कितना समय लगेगा और अगला स्पाइक कब होगा। यह दृष्टिकोण समय के बारे में अनुमान लगाने की गुंजाइश को हटा देता है, यह गारंटी देता है कि सिमुलेशन उसी सख्त लौकिक विश्वसनीयता के साथ व्यवहार करेगा जैसा कि वह प्रतिनिधित्व करने वाला जैविक परिपथ करता है।
शोधकर्ताओं ने अपने नए मॉडल का परीक्षण तीन अलग-अलग प्रकार के न्यूरल माइक्रोसर्किट्स बनाकर किया, जिनमें से प्रत्येक मस्तिष्क में पाए जाने वाले एक सामान्य कार्य का प्रतिनिधित्व करता है। पहला एक फीडबैक इनहिबिशन लूप था, एक ऐसी प्रक्रिया जहाँ एक उत्तेजित न्यूरॉन दूसरे न्यूरॉन को सक्रिय करता है जो अनियंत्रित गतिविधि को रोकने के लिए उसे तुरंत बंद कर देता है। अपने सिमुलेशन में, पेट्री न्यूरॉन ने मस्तिष्क में देखे जाने वाले लयबद्ध फायरिंग पैटर्न को सफलतापूर्वक पुनरुत्पादित किया, विशेष रूप से गामा-बैंड रिदम जो तीव्र एकाग्रता और स्मृति से जुड़े होते हैं। इससे भी महत्वपूर्ण बात यह है कि मॉडल ने औपचारिक गारंटी प्रदान की कि निरोधात्मक (इनहिबिटरी) संकेत हमेशा चक्रों की एक विशिष्ट संख्या के भीतर पहुँचेगा, जिससे यह सुनिश्चित हुआ कि परिपथ स्थिर रहे और कभी भी नियंत्रण से बाहर न हो। दूसरा परीक्षण एक लेटरल इनहिबिशन सर्किट में शामिल था, जो एक ऐसी व्यवस्था है जिसका उपयोग मस्तिष्क कंट्रास्ट को तेज करने और किनारों का पता लगाने के लिए करता है, ठीक वैसे ही जैसे आँख एक चमकीली पृष्ठभूमि के विरुद्ध एक गहरे रंग की वस्तु को अलग करती है। यहाँ, मॉडल ने यह दिखाने में सफलता प्राप्त की कि कौन सा न्यूरॉन "विजेता" बनेगा और फायर करेगा, इसके बीच की प्रतिस्पर्धा एक सख्ती से बंधे समय के भीतर हल हो गई, चाहे प्रारंभिक इनपुट कितना भी मजबूत क्यों न हो। इसने साबित किया कि सिस्टम अनिश्चित अवस्था में नहीं फंस सकता, जो एक ऐसा गुण है जिसे मानक सिमुलेशन विधियाँ अक्सर सुनिश्चित करने में विफल रहती हैं।
अंतिम परीक्षण एक पदानुक्रमित फीचर डिटेक्टर (hierarchical feature detector) था, जो दृश्य प्रणाली का एक सरलीकृत संस्करण है जो क्षैतिज या ऊर्ध्वाधर रेखाओं जैसी विशिष्ट आकृतियों की पहचान करता है। शोधकर्ताओं ने एक नेटवर्क बनाया जहाँ सरल न्यूरॉन्स रेखाओं का पता लगाते हैं और वह जानकारी जटिल न्यूरॉन्स को भेजते हैं जो समग्र पैटर्न को पहचानते हैं। सिमुलेशन ने रेखाओं के ओरिएंटेशन को सही ढंग से पहचाना और एक पसंदीदा पैटर्न के पता लगाने और एक गैर-पसंद किए गए पैटर्न के बीच अपेक्षित देरी को पुनरुत्पादित किया। इन घटनाओं का समय शोधकर्ताओं के गणितीय अनुमानों से पूरी तरह मेल खा गया, जिससे पुष्टि हुई कि मॉडल हर एक स्पाइक के सटीक नियंत्रण को बनाए रखते हुए जटिल, बहु-स्तरीय परिपथों को संभाल सकता है। यह सुनिश्चित करने के लिए कि ये परिणाम केवल सैद्धांतिक नहीं हैं, टीम ने दो बहुत ही अलग प्रकार के हार्डवेयर पर अपने सिमुलेशन चलाए: एक शक्तिशाली डेस्कटॉप कंप्यूटर और एक छोटा, कम लागत वाला माइक्रोकंट्रोलर। उन्होंने पाया कि जबकि डेस्कटॉप कंप्यूटर अपने जटिल ऑपरेटिंग सिस्टम के कारण अप्रत्याशित देरी उत्पन्न करता है, छोटा माइक्रोकंट्रोलर संकेतों को अत्यधिक सटीकता के साथ वितरित करता है, जिससे यह सिद्ध हुआ कि यह पद्धति वास्तविक दुनिया के अनुप्रयोगों के लिए आवश्यक समर्पित, ऊर्जा-कुशल चिप्स पर काम कर सकती है।
इस कार्य का महत्व जैविक सिद्धांत और इंजीनियरिंग वास्तविकता के बीच के अंतर को पाटने की इसकी क्षमता में निहित है। तंत्रिका स्पाइक्स के समय को एक अनुमानित चर के बजाय एक औपचारिक, समाधान योग्य समस्या के रूप में मानकर, शोधकर्ताओं ने ऐसे न्यूरल परिपथों के निर्माण के लिए एक ब्लूप्रिंट तैयार किया है जो वास्तविक समय में सही ढंग से काम करने की गारंटी देते हैं। यह न्यूरोमॉर्फिक कंप्यूटिंग के क्षेत्र में एक महत्वपूर्ण कदम है, जिसका लक्ष्य मस्तिष्क की वास्तुकला की नकल करने वाले कंप्यूटर चिप्स बनाना है। यदि इंजीनियर इन समय संबंधी गारंटियों पर भरोसा कर सकते हैं, तो वे रोबोटिक्स, संवेदी प्रसंस्करण और स्वायत्त नियंत्रण के लिए ऐसे सिस्टम डिजाइन कर सकते हैं जो एक जीवित जीव की तरह ही सेकंड के सौवें हिस्से की विश्वसनीयता के साथ प्रतिक्रिया करते हैं। यह अध्ययन यह दावा नहीं करता है कि इसने न्यूरल सिमुलेशन की हर समस्या को हल कर दिया है; मॉडल वर्तमान में कुछ जैविक विवरणों को सरल बनाता है, जैसे कि फायरिंग के बाद न्यूरॉन की क्रमिक रिकवरी, और उन डिस्क्रीट स्टेप्स पर निर्भर करता है जो बहुत कम फायरिंग दर पर छोटी त्रुटियां पैदा करते हैं। हालाँकि, एक ऐसी नींव स्थापित करके जहाँ समय अनुमानित और सत्यापन योग्य है, शोधकर्ताओं ने एक नया उपकरण प्रदान किया है जो वैज्ञानिकों को अनुमानों से आगे बढ़ने और ऐसे न्यूरल परिपथ बनाने की अनुमति देता है जो उस जीव विज्ञान के उतने ही भरोसेमंद हैं जिसका वे अनुकरण करते हैं।
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।