Light-Field-to-Bits Computing via an Online-Trainable Cascaded Optoelectronic Neural Network

आधुनिक दुनिया में, हमारे उपकरणों से लगातार कम समय और कम ऊर्जा में अधिक काम करने की अपेक्षा की जाती है। सेल्फ-ड्राइविंग कारों से लेकर स्मार्ट कैमरों तक, मशीनों को दृश्य जानकारी को तुरंत प्रोसेस करने की आवश्यकता होती है। पारंपरिक कंप्यूटर इसे प्रकाश को लेने, उसे बिजली में बदलने और फिर उस बिजली पर जटिल गणनाएं चलाने के माध्यम से संभालते हैं। प्रकाश को डिजिटल नंबरों में और फिर वापस बदलने की यह प्रक्रिया एक बाधा (बॉटलनेक) पैदा करती है, जिससे चीजें धीमी हो जाती हैं और ऊर्जा भी अधिक खर्च होती है। हालाँकि, प्रकाश स्वयं अविश्वसनीय रूप से तेज़ गति से चलता है और एक साथ सूचना की विशाल मात्रा ले जा सकता है। वैज्ञानिकों ने लंबे समय से ऐसे कंप्यूटर बनाने की कोशिश की है जो गणित करने के लिए सीधे प्रकाश का उपयोग करें, इस उम्मीद में कि वे धीमे इलेक्ट्रॉनिक चरणों को दरकिनार कर सकें। चुनौती यह रही है कि जहाँ प्रकाश तेज़ है, वहीं जटिल कार्यों के लिए आवश्यक सटीकता के साथ इसे नियंत्रित करना कठिन भी है, और वास्तविक दुनिया का हार्डवेयर शायद ही कभी पूर्ण होता है।

शोधकर्ताओं की एक टीम ने अब प्रकाश के निरंतर प्रवाह और डिजिटल कंप्यूटरों की विविक्त (डिस्क्रीट), बाइनरी भाषा के बीच के अंतर को पाटने का एक नया तरीका प्रदर्शित किया है। उन्होंने एक ऐसा सिस्टम बनाया है जो एक छवि लेता है, प्रकाश को विशेष रूप से डिज़ाइन की गई परतों की एक श्रृंखला से गुजरने देता है, और मूल चित्र को फिर से बनाने या किसी भारी सॉफ़्टवेयर प्रोग्राम को चलाने की आवश्यकता के बिना सीधे डिजिटल उत्तर उत्पन्न करता है। मूल चित्र की पूर्ण प्रति बनाने के बजाय, यह सिस्टम प्रकाश ऊर्जा को विशिष्ट क्षेत्रों (ज़ोन) में वर्गीकृत करता है। यह देखने के लिए कि एक ज़ोन में दूसरे की तुलना में कितना प्रकाश पड़ा है, मशीन यह निर्णय लेती है कि जानकारी का एक विशिष्ट बिट शून्य है या एक। यह दृष्टिकोण, जिसे शोधकर्ता "लाइट-फील्ड-टू-बिट्स" कंप्यूटिंग कहते हैं, ने उच्च सटीकता के साथ दृश्य पैटर्न को चार-अंकों वाले बाइनरी कोड में सफलतापूर्वक बदल दिया, भले ही इनपुट छवियां विकृत या उपकरण अपूर्ण थे।

इस कार्य का मूल एक हाइब्रिड मशीन है जो भौतिक प्रकाशिकी (ऑप्टिक्स) को डिजिटल इलेक्ट्रॉनिक्स के साथ जोड़ती है। कल्पना कीजिए कि प्रकाश की एक किरण, जो एक संख्या या ट्रैफ़िक संकेत जैसी तस्वीर ले जा रही है, सिस्टम में प्रवेश करती है। यह प्रकाश पहले एक विशेष सामग्री से बनी एक भौतिक परत से टकराता है जो प्रकाश तरंगों को सटीक तरीकों से मोड़ सकती है। जैसे ही प्रकाश हवा के माध्यम से अगले चरण तक यात्रा करता है, यह फैलता है और दूसरी परत के साथ परस्पर क्रिया करता है। प्रयोग में, पहली परत एक वास्तविक, भौतिक उपकरण थी, जबकि दूसरी को लचीले परीक्षण की अनुमति देने के लिए कंप्यूटर द्वारा सिम्युलेट किया गया था। प्रकाश अंततः एक सेंसर पर गिरता है जो एक कैमरे की तरह कार्य करता है, जो यह कैप्चर करता है कि ऊर्जा कहाँ एकत्रित हुई है। मुख्य नवाचार परिणाम की फोटो लेना नहीं है, बल्कि यह है कि प्रकाश को कैसे व्यवस्थित किया जाता है। सिस्टम को सेंसर पर आठ विशिष्ट स्थानों में प्रकाश को केंद्रित करने के लिए डिज़ाइन किया गया है, जो चार जोड़ों में व्यवस्थित हैं। प्रत्येक जोड़े के लिए, सिस्टम बस यह जाँचता है कि कौन सा स्थान अधिक उज्ज्वल है। यदि ऊपर-बाल्ले वाला स्थान नीचे-दाएँ वाले से अधिक उज्ज्वल है, तो यह "एक" रिकॉर्ड करता है; यदि इसके विपरीत है, तो यह "शून्य" रिकॉर्ड करता है। यह सरल तुलना चार बार होती है, जिसके परिणामस्वरूप एक चार-अंकों का बाइनरी कोड प्राप्त होता है जो मूल इनपुट का प्रतिनिधित्व करता है।

इसे वास्तविक दुनिया में काम करने योग्य बनाने के लिए, शोधकर्ताओं को एक पेचीदा समस्या को हल करना पड़ा: वास्तविक हार्डवेयर कभी भी उन कंप्यूटर मॉडल जितना पूर्ण नहीं होता जिनका उपयोग डिजाइन के लिए किया जाता है। लेंस थोड़े गलत संरेखित होते हैं, प्रकाश स्रोत पूरी तरह से समान नहीं होते हैं, और सामग्रियों में मामूली खामियां होती हैं। यदि सिस्टम को केवल एक आदर्श कंप्यूटर सिमुलेशन पर प्रशिक्षित किया जाता, तो वास्तविक भागों के साथ निर्मित होने पर यह विफल हो जाता। टीम ने इसे एक "कैमरा-इन-द-लूप" प्रशिक्षण प्रक्रिया बनाकर हल किया। उन्होंने भौतिक उपकरण बनाया और फिर कंप्यूटर का उपयोग यह सीखने के लिए किया कि वास्तविक उपकरण वास्तव में कैसे व्यवहार करता है। कंप्यूटर ने वास्तविक मशीन के माध्यम से प्रकाश की गति का अवलोकन किया, परिणाम रिकॉर्ड किए, और फिर किसी भी त्रुटि को ठीक करने के लिए भौतिक परत की सेटिंग्स को समायोजित किया। यह परीक्षण और सुधार का एक निरंतर चक्र था, जिससे मशीन अपनी कमियों के साथ काम करना सीख गई। इस पद्धति ने यह सुनिश्चित किया कि सिस्टम वास्तविक दुनिया के शोर और विरूपण को संभाल सके, न कि केवल एक आदर्श वातावरण में काम करे।

इस प्रयोग के परिणाम मजबूत थे। शोधकर्ताओं ने सोलह हेक्साडेसिमल प्रतीकों का परीक्षण किया, जो शून्य से नौ तक की संख्याओं और A से F तक के अक्षरों की तरह हैं। उन्होंने ट्रैफ़िक संकेतों की छवियों के साथ भी परीक्षण किया, जो अधिक जटिल और विविध हैं। दोनों ही मामलों में, सिस्टम ने छवियों को सही चार-बिट कोड में सफलतापूर्वक परिवर्तित किया। जब इनपुट छवियों को वास्तविक दुनिया की स्थितियों का अनुकरण करने के लिए हिलाया गया, घुमाया गया या धुंधला किया गया, तब भी सिस्टम ने 93 प्रतिशत से अधिक बार सही उत्तर दिया। यहाँ तक कि जब शोधकर्ताओं ने कई डेड पिक्सल और निम्न-गुणवत्ता वाले डिजिटल रूपांतरण वाले कैमरा सेंसर का अनुकरण किया, तब भी सिस्टम ने अपनी सटीकता बनाए रखी। यह सुझाव देता है कि यह पद्धति नाजुक नहीं है; यह निर्णय लेने की अपनी क्षमता खोए बिना महत्वपूर्ण हार्डवेयर गिरावट को सहन कर सकती है।

इस कार्य के सबसे आश्चर्यजनक पहलुओं में से एक वह गति है जिस पर प्रकाश गणना करता है। जबकि सिस्टम के इलेक्ट्रॉनिक भागों को इमेज को पढ़ने और अगले चरण को प्रोसेस करने के लिए कैमरे का इंतजार करना पड़ता था, प्रकाश ने स्वयं लगभग तुरंत भारी काम पूरा कर लिया। शोधकर्ताओं ने गणना की कि प्रक्रिया का ऑप्टिकल हिस्सा, जिसमें प्रकाश एक छोटी दूरी तय करता है और परतों के माध्यम से मुड़ता है, एक बिलियनवें सेकंड के कुछ अधिक समय में 51 बिलियन से अधिक गणितीय संचालन करने के बराबर है। यह बिना किसी ऊर्जा और बिना किसी देरी के किया गया काम का एक विशाल हिस्सा है। इसके विपरीत, सिस्टम का इलेक्ट्रॉनिक हिस्सा केवल आठ स्थानों में प्रकाश के स्तरों की तुलना करने का बहुत कम काम करता है। श्रम का यह विभाजन सिस्टम को उच्च-आयामी डेटा को बहुत कुशलता से संभालने की अनुमति देता है, जो काम के सबसे कठिन हिस्से को प्रकाश को सौंप देता है।

शोधकर्ता सावधानी से नोट करते हैं कि उनका वर्तमान सेटअप एक 'प्रूफ ऑफ कॉन्सेप्ट' है, जो लेजर और कैमरों जैसे बड़े, भारी घटकों के साथ एक मेज पर बनाया गया है। प्रकाश को बीस सेंटीमीटर की दूरी तय करनी पड़ी थी, और सिस्टम कैमरे और प्रकाश-संशोधन उपकरण के रिफ्रेश होने की गति द्वारा सीमित था। हालाँकि, जो सिद्धांत उन्होंने प्रदर्शित किए हैं, वे स्केलेबल (बड़े स्तर पर ले जाने योग्य) हैं। भविष्य में, इन बड़े घटकों को छोटे, फ्लैट ऑप्टिकल चिप्स और छोटे डिटेक्टर एरे से बदला जा सकता है। यदि सिस्टम को छोटा किया जाता है, तो यह संभावित रूप से केवल प्रकाश की गति द्वारा सीमित गति पर संचालित हो सकता है, न कि कैमरे की गति पर। अंतिम लक्ष्य एक ऐसा उपकरण बनाना है जो रोबोट या ड्रोन पर बैठ सके, जो जो देखता है उसे तुरंत डिजिटल निर्णयों में बदल सके, बिना पारंपरिक कंप्यूटिंग के विलंब (लैग) और ऊर्जा लागत के।

यह कार्य प्रकाश की भौतिक दुनिया को बिट्स की डिजिटल दुनिया के साथ मिलाने की दिशा में एक महत्वपूर्ण कदम है। यह दिखाकर कि प्रकाश को प्रत्यक्ष, विश्वसनीय निर्णय लेने के लिए निर्देशित किया जा सकता है, शोधकर्ताओं ने तेज़, अधिक कुशल मशीनों की ओर एक मार्ग खोल दिया है। सिस्टम चित्र को फिर से बनाने या दृश्य को समझने की कोशिश नहीं करता है जैसा कि एक मानव करता है; इसके बजाय, यह सूचना को एक ऐसे प्रारूप में छाँटने के लिए प्रकाश के भौतिकी का उपयोग करता है जिसका डिजिटल सिस्टम तुरंत उपयोग कर सकें। प्रकाश से बिट्स तक का यह सीधा मानचित्रण उन अनुप्रयोगों के लिए एक आशाजनक समाधान प्रदान करता है जहाँ गति और ऊर्जा दक्षता महत्वपूर्ण है, जैसे कि स्वायत्त वाहन या रिमोट सेंसिंग। सिस्टम को अपूर्ण हार्डवेयर के साथ काम करने के लिए प्रशिक्षित करने की क्षमता यह बताती है कि ऐसे उपकरण केवल नियंत्रित प्रयोगशालाओं में ही नहीं, बल्कि वास्तविक दुनिया के वातावरण में भी तैनात और निर्मित किए जा सकते हैं। जैसे-जैसे यह तकनीक परिपक्व होगी, यह मौलिक रूप से मशीनों के देखने और दुनिया के साथ बातचीत करने के तरीके को बदल सकती है।