Analog Neuromorphic Systems for Implantable Neural Interfaces
यह शोधपत्र एक इम्प्लांटेबल न्यूरल इंटरफेस के लिए एक एनालॉग न्यूरोमॉर्फिक सिस्टम प्रस्तुत करता है जो पारंपरिक तरीकों की तुलना में बेहतर डेटा संपीड़न और मजबूती प्राप्त करने के लिए एक नवीन बर्स्टिंग डेल्टा मॉड्यूलेशन तकनीक का उपयोग करता है, जो जैविक एक्शन पोटेंशियल के निम्न-शक्ति, इवेंट-ड्रिवन स्पाइक डिटेक्शन और वर्गीकरण को सक्षम बनाता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
मानव मस्तिष्क अरबों कोशिकाओं का एक विशाल नेटवर्क है, जो गति, विचार और संवेदना को समन्वित करने के लिए लगातार विद्युत संकेतों को प्रसारित करता रहता है। दशकों से, वैज्ञानिक इन बातचीत को सुनने की कोशिश कर रहे हैं, जिसमें व्यक्तिगत न्यूरॉन्स या उनके छोटे समूहों की गतिविधि को रिकॉर्ड करने के लिए मस्तिष्क में प्रत्यारोपित सूक्ष्म इलेक्ट्रोड का उपयोग किया जाता है। यह तकनीक उन लोगों की मदद करने की अपार संभावना रखती है जो चोट या बीमारी के कारण लकवाग्रस्त हैं, ताकि वे अपने विचारों से कंप्यूटर और रोबोटिक अंगों को नियंत्रित कर सकें, या डॉक्टरों को मिर्गी के दौरों के स्रोत का पता लगाने में मदद कर सके ताकि वे अधिक प्रभावी ढंग से उपचार कर सकें। हालाँकि, इन उपकरणों को दैनिक जीवन के लिए व्यावहारिक बनाने के मार्ग में एक महत्वपूर्ण भौतिक बाधा लंबे समय से खड़ी रही है। जैसे-जैसे शोधकर्ता मस्तिष्क की गतिविधि की स्पष्ट तस्वीर पकड़ने के लिए अधिक इलेक्ट्रोड जोड़ते हैं, उत्पन्न होने वाले डेटा की मात्रा विस्फोटक रूप से बढ़ती है। शरीर के भीतर से इस विशाल कच्ची जानकारी के प्रवाह को वायरलेस तरीके से प्रसारित करने के लिए इतनी अधिक शक्ति की आवश्यकता होती है कि इससे आसपास के ऊतकों का तापमान तेजी से बढ़ जाएगा या कुछ ही घंटों में बैटरी खत्म हो जाएगी। इसलिए, चुनौती केवल मस्तिष्क को सुनने की नहीं है, बल्कि बुद्धिमानी से सुनने की है—मौन को फ़िल्टर करने और केवल महत्वपूर्ण क्षणों को भेजने की है।
सिटी यूनिवर्सिटी ऑफ हांगकांग और ज्यूरिख विश्वविद्यालय सहित दुनिया भर के संस्थानों के शोधकर्ताओं की एक टीम ने जैविक मस्तिष्क द्वारा सूचना को संसाधित करने के तरीके की नकल करके इस समस्या को हल करने के लिए एक नया दृष्टिकोण विकसित किया है। मस्तिष्क की विद्युत गतिविधि को निरंतर रिकॉर्ड करने के बजाय, जैसे कि एक फिल्म के हर फ्रेम को रिकॉर्ड करने वाला वीडियो कैमरा, उनकी नई प्रणाली एक मोशन सेंसर की तरह काम करती है जो केवल तभी सक्रिय होता है जब कुछ बदलता है। उन्होंने एक विशेष इलेक्ट्रॉनिक सर्किट बनाया है जो सीधे सेंसर पर स्थित होता है, जो मस्तिष्क से आने वाली कच्ची विद्युत तरंगों को केवल तभी डिजिटल "स्पाइक्स" (तीव्र संकेतों) की एक विरल श्रृंखला में परिवर्तित करता है जब कोई महत्वपूर्ण घटना घटती है। यह विधि, जिसे एनालॉग-टू-स्पाइक कन्वर्जन कहा जाता है, डेटा की मात्रा को नाटकीय रूप से कम कर देती है जिसे वायरलेस तरीके से भेजा जाना चाहिए, जिससे पिछले पीढ़ियों के ब्रेन इम्प्लांट्स में रहने वाली बिजली और गर्मी की समस्याओं का समाधान हो जाता है।
शोधकर्ताओं ने इस प्रकार के सिग्नल रूपांतरण के लिए दो मौजूदा तरीकों की तुलना करके शुरुआत की ताकि यह देखा जा सके कि कौन सा तरीका उस विद्युत शोर (नॉइज़) के प्रति अधिक मजबूत है जो मस्तिष्क की रिकॉर्डिंग में अनिवार्य रूप से हस्तक्षेप करता है। एक विधि, जिसे 'लीकी इंटीग्रेट-एंड-फायर' कहा जाता है, धीरे-धीरे विद्युत आवेश को संचित करने का काम करती है जब तक कि वह एक सीमा तक न पहुँच जाए और एक संकेत जारी न कर दे। दूसरी विधि, जिसे 'डेल्टा मॉड्यूलेशन' कहा जाता है, केवल तभी संकेत भेजती है जब वोल्टेज एक विशिष्ट मात्रा में बदलता है, जो मस्तिष्क की गतिविधि में बदलाव का संकेत देता है। सिम्युलेटेड मस्तिष्क संकेतों और रोगियों के वास्तविक रिकॉर्डिंग के साथ व्यापक परीक्षण के माध्यम से, टीम ने पाया कि डेल्टा मॉड्यूलेशन दृष्टिकोण कहीं अधिक श्रेष्ठ था। यह धीमे, बहते हुए बैकग्राउंड शोर या बिजली की लाइनों से होने वाले तीव्र विद्युत हस्तक्षेप के बीच भी व्यक्तिगत न्यूरॉन्स के तीव्र और क्षणिक स्पाइक्स को सटीक रूप से पकड़ सकता था। इसके विपरीत, दूसरी विधि अक्सर शोर से अभिभूत हो जाती थी, बहुत अधिक बेकार संकेत भेजती थी और वास्तविक मस्तिष्क गतिविधि को दबा देती थी। यह खोज महत्वपूर्ण थी क्योंकि इसने सिद्ध किया कि एक एकल, सरल सर्किट प्रत्येक के लिए अलग, भारी फिल्टरों की आवश्यकता के बिना, व्यक्तिगत न्यूरॉन्स के तेज़ संकेतों और मस्तिष्क की गतिविधि की धीमी, व्यापक लहरों दोनों को संभाल सकता है।
इस सफलता पर आगे बढ़ते हुए, टीम ने हिप्पोकैम्पस (मस्तिष्क का एक हिस्सा जो स्मृति से जुड़ा है) में पाए जाने वाले एक विशिष्ट प्रकार के न्यूरॉन से प्रेरित एक नया, अधिक परिष्कृत डेल्टा मॉड्यूलेशन सर्किट पेश किया। ये प्राकृतिक न्यूरॉन्स एक स्थिर, लयबद्ध धारा में फायर नहीं करते हैं; इसके बजाय, वे एक मजबूत उत्तेजना का पता चलने पर तीव्र विस्फोट (बर्स्ट) में फायर करते हैं, जिसके बाद सन्नाटे की अवधि आती है। शोधकर्ताओं ने अपने इलेक्ट्रॉनिक सर्किट को उसी तरह व्यवहार करने के लिए इंजीनियर किया। जब मस्तिष्क का संकेत शांत या धीरे-धीरे बदल रहा होता है, तो सर्किट निष्क्रिय रहता है। लेकिन जैसे ही कोई महत्वपूर्ण घटना एक उच्च सीमा (थ्रेशोल्ड) को पार करती है, सर्किट "बर्स्ट मोड" में स्विच हो जाता है, जो उस घटना के विवरण को उच्च सटीकता के साथ पकड़ने के लिए संकेतों की एक तीव्र श्रृंखला प्रसारित करता है और फिर वापस सन्नाटे में लौट आता है। यह बर्स्ट व्यवहार सिस्टम को मानक विधि की तुलना में डेटा को और भी अधिक संकुचित (कंप्रेस) करने की अनुमति देता है। अपने परीक्षणों में, इस नए बर्स्ट-मॉड्यूलेशन सर्किट ने समान स्तर की सटीकता बनाए रखते हुए मानक विधि की तुलना में पांच गुना से अधिक बेहतर डेटा संपीड़न दर प्राप्त की। मिर्गी के दौरों का पता लगाने के लिए, जो सामान्य मस्तिष्क गतिविधि के समुद्र में दुर्लभ घटनाएं हैं, इस प्रणाली ने पारंपरिक रिकॉर्डिंग विधियों की तुलना में डेटा को लगभग 2,000 के कारक से संकुचित किया।
यह साबित करने के लिए कि यह संकुचित डेटा वास्तविक दुनिया के कार्यों के लिए अभी भी उपयोगी है, शोधकर्ताओं ने अपने कस्टम चिप को एक दूसरे विशेष कंप्यूटर चिप से जोड़ा जिसे इन स्पाइक्स को तुरंत संसाधित करने के लिए डिज़ाइन किया गया है। यह दूसरा चिप, जो जैविक मस्तिष्क की संरचना की नकल करता है, स्पाइक ट्रेनों में विशिष्ट पैटर्न को पहचानने के लिए प्रशिक्षित किया गया था, जैसे कि एक एकल न्यूरॉन के फायर होने का संकेत या दौरे की शुरुआत। परिणाम आश्चर्यजनक थे। संयुक्त प्रणाली इन घटनाओं को 90 प्रतिशत से अधिक की सटीकता के साथ पहचानने में सक्षम थी, जो मानक कंप्यूटरों पर चलने वाले बहुत बड़े, अधिक ऊर्जा-खपत करने वाले सॉफ्टवेयर सिस्टम के प्रदर्शन से मेल खाती है। इसके अलावा, क्योंकि सिस्टम केवल आवश्यक जानकारी ही प्रसारित करता था, इसने पारंपरिक रिकॉर्डिंग उपकरणों की तुलना में डेटा दर को 4,000 से अधिक के कारक से कम कर दिया। दक्षता का यह स्तर यह सुनिश्चित करता है कि भविष्य के इम्प्लांट्स बार-बार बैटरी रिचार्ज करने या मस्तिष्क के ऊतकों के गर्म होने के जोखिम के बिना सैकड़ों या हजारों मस्तिष्क चैनलों की निगरानी एक साथ कर सकते हैं।
यह कार्य उच्च-घनत्व, वायरलेस ब्रेन इंटरफेस को वास्तविकता बनाने की दिशा में एक महत्वपूर्ण कदम है। सिस्टम की बुद्धिमत्ता को सीधे सेंसर के भीतर ले जाकर, शोधकर्ताओं ने दिखाया है कि एक इम्प्लांट द्वारा ले जाए जा सकने वाले सेंसरों की संख्या और उसे चलाने के लिए आवश्यक शक्ति के बीच के समझौते को तोड़ना संभव है। नए सर्किट इतने छोटे हैं कि उन्हें आधुनिक न्यूरल प्रोब के सूक्ष्म पिक्सेल में एकीकृत किया जा सकता है और वे बहुत कम ऊर्जा का उपभोग करते हैं, जिसमें प्रत्येक चैनल केवल कुछ माइक्रोवाट का उपयोग करता है। जबकि वर्तमान अध्ययन मिर्गी के दौरों और व्यक्तिगत न्यूरॉन स्पाइक्स का पता लगाने जैसे विशिष्ट कार्यों पर केंद्रित था, अंतर्निहित सिद्धांत स्मार्ट चिकित्सा उपकरणों को डिजाइन करने के लिए एक नया मार्ग प्रदान करता है जो मस्तिष्क की प्राकृतिक लय के अनुकूल हो सकें। मस्तिष्क की जटिल, विरल भाषा को डेटा की कठोर, निरंतर धारा में बदलने के बजाय, ये सिस्टम उस भाषा में सुनते हैं जो मस्तिष्क पहले से ही बोलता है, शोर को फ़िल्टर करते हैं और केवल उस संकेत को प्रसारित करते हैं जो वास्तव में मायने रखता 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।