Dynamics of Excitatory-Inhibitory Coupling in Quantum Memristive LIF Neurons
यह शोध पत्र दो युग्मित क्वांटम मेमरिस्टिव लीकी इंटीग्रेट-एंड-फायर न्यूरॉन्स के एक न्यूनतम फेनोमेनोलॉजिकल मॉडल को प्रस्तुत करता है जो छह विशिष्ट फायरिंग व्यवस्थाओं और एक अद्वितीय साइलेंट स्टेट सहित प्रमुख उत्तेजक-निरोधात्मक गतिकी की सफलतापूर्वक नकल करता है, जबकि क्वांटम न्यूरोमॉर्फिक आर्किटेक्चर में फोक स्पेस ट्रंकेशन द्वारा लगाए गए आयाम मॉड्यूलेशन के अवरोधों को रेखांकित 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
मानव मस्तिष्क अरबों सूक्ष्म कोशिकाओं का एक विशाल नेटवर्क है जिन्हें न्यूरॉन्स कहा जाता है, जो संकेतों के एक नाजुक संतुलन के माध्यम से संवाद करते हैं जो या तो गतिविधि को प्रोत्साहित करते हैं या उसे दबाते हैं। उत्तेजना और अवरोध के बीच का यह खींचतान विचार की मौलिक लय है, जो मस्तिष्क को सूचना संसाधित करने, सीखने और अनुकूलित होने में सक्षम बनाती है। दशकों से, वैज्ञानिकों ने ऐसे कंप्यूटर मॉडल बनाने की कोशिश की है जो इस जैविक नृत्य की नकल कर सकें, इस उम्मीद में कि वे ऐसी मशीनें बना सकें जो जीवित मस्तिष्कों की तरह सोच सकें। हाल ही में, एक नया मोर्चा खुला है जहाँ ये मस्तिष्क-प्रेरित मॉडल क्वांटम यांत्रिकी के विचित्र, विरोधाभासी नियमों से मिलते हैं। इस उभरते हुए क्षेत्र में, शोधकर्ता यह पूछ रहे हैं कि क्या जैविक मस्तिष्क में देखी जाने वाली जटिल, लयबद्ध व्यवहारों को क्वांटम जगत में अनुवादित करने पर जीवित रह सकती हैं, जहाँ कण एक साथ कई अवस्थाओं में मौजूद हो सकते हैं और सूचना बिजली के बजाय प्रकाश द्वारा ले जाई जाती है।
मैस्ट्रिच्ट यूनिवर्सिटी के शोधकर्ताओं की एक टीम ने एक नए प्रकार के क्वांटम मॉडल का उपयोग करके एक छोटे, दो-न्यूरॉन नेटवर्क का अनुकरण करके इस प्रश्न का उत्तर देने की दिशा में एक महत्वपूर्ण कदम उठाया है। उन्होंने "क्वांटम मेमरिस्टिव लीकी इंटीग्रेट-एंड-फायर" न्यूरॉन नामक एक विशिष्ट डिज़ाइन पर ध्यान केंद्रित किया। इसे समझने के लिए, एक साधारण विद्युत सर्किट की कल्पना करें जो एक बाल्टी की तरह कार्य करता है: यह धीरे-धीरे पानी (जो विद्युत आवेश का प्रतिनिधित्व करता है) से भरता है जब तक कि यह एक निश्चित स्तर तक नहीं पहुँच जाता, जिस बिंदु पर यह ओवरफ्लो हो जाता है, खाली हो जाता है, और फिर से भरने लगता है। जैविक दुनिया में, यह ओवरफ्लो एक न्यूरॉन द्वारा संकेत भेजने (फायर करने) को दर्शाता है। मॉडल का "मेमरिस्टिव" हिस्सा स्मृति की एक परत जोड़ता है, जिसका अर्थ है कि बाल्टी का रिसाव इस आधार पर बदल सकता है कि कितना पानी वहां से गुजर चुका है, जो इस बात की नकल करता है कि वास्तविक न्यूरॉन्स कैसे अनुकूलित होते हैं। "क्वांटम" पहलू साधारण बाल्टी को एक ऐसी प्रणाली से बदल देता है जो क्वांटम भौतिकी के नियमों का पालन करती है, जहाँ न्यूरॉन की अवस्था केवल एक सरल वोल्टेज के बजाय संभावनाओं और ऊर्जा स्तरों द्वारा वर्णित होती है।
शोधकर्ताओं ने इन दो क्वांटम न्यूरॉन्स का एक सिमुलेशन बनाया जो एक लूप में जुड़े हुए थे। एक न्यूरॉन को उत्तेजक (excitatory) के रूप में डिज़ाइन किया गया था, जिसका अर्थ है कि वह एक ऐसा संकेत भेजता है जो दूसरे को फायर करने के लिए प्रोत्साहित करता है। दूसरा निरोधात्मक (inhibitory) था, जो एक ब्रेक की तरह कार्य करने वाला संकेत भेजता है, जिससे पहले न्यूरॉन के लिए फायर करना कठिन हो जाता है। उन्होंने पहले न्यूरॉन पर एक बाहरी लय लागू की, जो एक स्थिर हृदय गति या टिक-टिक करती घड़ी के समान थी, ताकि यह देखा जा सके कि यह जोड़ा मिलकर कैसा व्यवहार करता है। लक्ष्य यह देखना था कि क्या ये क्वांटम इकाइयाँ वास्तविक जैविक नेटवर्क में देखे जाने वाले समृद्ध, विविध फायरिंग पैटर्न, जैसे कि नियमित लय, गतिविधि के विस्फोट, या सन्नाटे की अवधि को पुनरुत्पादित कर सकती हैं।
सिमुलेशन से पता चला कि क्वांटम मॉडल ने अपने जैविक समकक्षों की आवश्यक भूमिकाओं को सफलतापूर्वक पकड़ा। उत्तेजक संबंध ने अपेक्षित रूप से कार्य किया, दूसरे न्यूरॉन को फायर करने की ओर धकेला, जबकि निरोधात्मक संबंध ने एक अवरोधक के रूप में कार्य किया, प्रभावी रूप से सिस्टम में "लीक" को बढ़ा दिया और गतिविधि को रोक दिया। इन कनेक्शनों की शक्ति और बाहरी ड्राइव की लय को समायोजित करके, शोधकर्ता छह अलग-अलग फायरिंग पैटर्न उत्पन्न करने में सक्षम रहे। इनमें शामिल थे स्थिर, नियमित फायरिंग; तीव्र गतिविधि के शुरुआती विस्फोट जो जल्दी ही समाप्त हो जाते हैं; और अनियमित, अराजक स्पाइकिंग। इसने प्रदर्शित किया कि यहाँ तक कि एक न्यूनतम क्वांटम नेटवर्क भी शास्त्रीय तंत्रिका प्रणालियों के जटिल गतिशील गुणों को बनाए रख सकता है।
हालाँकि, अध्ययन ने इस क्वांटम मॉडल के विशिष्ट व्यवहार को भी उजागर किया जो मानक जैविक सिमुलेशन में दिखाई नहीं देता है। कुछ स्थितियों में, विशेष रूप से जब निरोधात्मक संकेत मजबूत होता है, नेटवर्क एक स्थायी शांत अवस्था में चला जाता है। इस परिदृश्य में, पहला न्यूरॉन कुछ बार फायर करता है, जिससे निरोधात्मक न्यूरॉन सक्रिय होता है, जो फिर पहले न्यूरॉन को पूरी तरह से बंद कर देता है। उल्लेखनीय रूप से, भले ही निरोधात्मक संकेत फीका पड़ गया हो, पहला न्यूरॉन शांत रहा, दोबारा फायर करने के चक्र को शुरू करने में असमर्थ रहा। शोधकर्ताओं ने पाया कि ऐसा इसलिए हुआ क्योंकि क्वांटम मॉडल हर स्पाइक के बाद एक विशिष्ट "ग्राउंड" अवस्था पर रीसेट हो जाता है। यदि निरोधात्मक संकेत एक स्पाइक होने से रोकता है, तो सिस्टम के पास रीसेट होने का अवसर नहीं मिलता, और वह फायर करने के लिए आवश्यक दहलीज (threshold) से ठीक नीचे फंस जाता है। यह सुझाव देता है कि हालांकि यह मॉडल शक्तिशाली है, इसमें विशिष्ट संरचनात्मक बाधाएं हैं जिन्हें प्रबंधित किया जाना चाहिए यदि बड़े नेटवर्क बनाए जाने हों।
एक अन्य महत्वपूर्ण निष्कर्ष ने यह भी बताया कि न्यूरॉन्स अपने संकेतों की शक्ति को कैसे संप्रेषित करते थे। मॉडल में, प्रत्येक स्पाइक के साथ भेजी जाने वाली सूचना की मात्रा न्यूरॉन की आंतरिक स्थिति के आधार पर भिन्न होनी चाहिए थी। शोधकर्ताओं ने पाया कि यह संचार उनके सिमुलेशन में "फोक स्पेस ट्रंकेशन" (Fock space truncation) नामक एक तकनीकी सीमा से अत्यधिक प्रभावित था। क्वांटम भौतिकी में, गणनाओं को प्रबंधनीय बनाने के लिए अक्सर संभावित ऊर्जा अवस्थाओं की संख्या को सीमित करना आवश्यक होता है। टीम ने पाया कि उनके सिमुलेशन में सबसे बड़े, सबसे नाटकीय स्पाइक्स स्वाभाविक रूप से न्यूरॉन की गतिशीलता का परिणाम नहीं थे, बल्कि इस कृत्रिम सीमा से टकराने के कारण उत्पन्न हुए आर्टिफैक्ट्स (artifacts) थे। जब उन्होंने इस सीमा के आकार को बढ़ाया, तो अधिकतम स्पाइक का आकार भी बढ़ गया, जिससे यह सिद्ध हुआ कि चरम मान (extreme values) संख्यात्मक सीमाएँ थे न कि भौतिक वास्तविकताएँ। इसका तात्पर्य यह है कि वर्तमान में मॉडल जिस तरह से सिग्नल की ताकत को संभालता है, वह एक सूक्ष्म, निरंतर चैनल के बजाय एक बाइनरी स्विच की तरह अधिक है—जो केवल यह संकेत देता है कि सिस्टम सामान्य है या सीमा से टकरा रहा है।
इन सीमाओं के बावजूद, यह कार्य एक महत्वपूर्ण 'प्रूफ ऑफ कॉन्सेप्ट' प्रदान करता है। यह दिखाता है कि उत्तेजक और निरोधात्मक युग्मन (coupling) का मौलिक तर्क, जो मस्तिष्क के कार्य के लिए अत्यंत महत्वपूर्ण है, शास्त्रीय सर्किट से क्वांटम सर्किट में जाने पर भी सुरक्षित रह सकता है। मॉडल ने मजबूर प्रणाली (forced system) के अपेक्षित व्यवहारों को सफलतापूर्वक पुनरुत्पादित किया, जहाँ न्यूरॉन्स ने बाहरी ड्राइव के साथ अपनी फायरिंग लय को लॉक कर लिया, जिसे 'फेज लॉकिंग' (phase locking) कहा जाता है। यह संरेखण बताता है कि मस्तिष्क की मूल गैर-रेखीय गतिशीलता (nonlinear dynamics) क्वांटम डोमेन में संक्रमण के दौरान भी मजबूत बनी रहती है।
अध्ययन निष्कर्ष निकालता है कि हालांकि यह दो-न्यूरॉन नेटवर्क एक सरलीकृत परीक्षण आधार है, यह युग्मित तंत्रिका गतिकी के गुणात्मक सार को सफलतापूर्वक पकड़ता है। यह पुष्टि करता है कि क्वांटम न्यूरॉन्स जैविक वास्तविकता को प्रतिबिंबित करने वाले तरीकों से परस्पर क्रिया कर सकते हैं, जिससे गतिविधि और शांति के जटिल पैटर्न उत्पन्न होते हैं। साथ ही, यह उन विशिष्ट चुनौतियों को भी रेखांकित करता है जिनका समाधान किया जाना बाकी है, जैसे कि 'साइलेंट ट्रैप' और सिग्नल आयाम के आर्टिफैक्ट्स, जिन्हें बड़े, अधिक जटिल आर्किटेक्चर बनाने से पहले संबोधित किया जाना चाहिए। इस क्वांटम दृष्टिकोण के सफलताओं और सीमाओं दोनों को मानचित्रित करके, यह शोध क्वांटम न्यूरोमॉर्फिक कंप्यूटिंग के भविष्य के विकास के लिए आधार तैयार करता है, जो मस्तिष्क जैसे क्वांटम मशीनों के दृष्टिकोण को वास्तविकता के एक कदम और करीब लाता 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।