کم از کم نیویارک نیٹ ورک بنانے کے لئے محققین نے انسانی دماغ کی تعریف کی

نیور نیٹ ورک - یا انسانی دماغ کے مصنوعی ریپلائیوز - سائنسدانوں اور انجینئروں کو تجزیہ کرتا ہے کہ انسانوں کی عمر لے جائے. وہ اعداد و شمار کے لامتناہی ٹیبلز کے ذریعہ ڈال سکتے ہیں اور ان تصاویر میں متغیرات کو اشارہ کرسکتے ہیں جو لوگوں کی طرف سے ناخبر نہیں ہوتے ہیں.

اگرچہ ان میں کوئی کمی نہیں ہے: کھیل میں سب سے بہترین خشک نیٹ ورک ان کی نوکری کرنے کے لئے توانائی کی ناقابل یقین مقدار کا استعمال کرتے ہیں.

"کچھ سال پہلے آئی بی ایم ایک سپر کمپیوٹر میں ایک بلی کی دماغ کی سرگرمیوں کی سماعت کرنے کی کوشش کی اور انہوں نے اقتدار کے میگاواٹ کو ختم کرنے کا خاتمہ کیا،" پیردو یونیورسٹی کے محققین ابونلیل سینگپتا بتاتا ہے اندرونی. "حیاتیاتی انسانی دماغ کہیں زیادہ قریب نہیں ہے. یہ براہ راست ایک سے زیادہ مقابلے میں نہیں ہے نیورل نیٹ ورک پر، لیکن یہ آپ کو ایک اندازہ دینا چاہئے کہ کس طرح طاقت بھوک کمپیوٹنگ نظام ہیں."

سینگپٹا اور پدویو یونیورسٹی میں کمپیوٹر سائنسدانوں کی ایک ٹیم اور الیکٹریکل اینڈ الیکٹرانکس انجینئرز (آئی ای ای ای) انسٹی ٹیوٹ نے نیویارک نیٹ ورکوں کو کم توانائی کا استعمال کرنے کے لۓ ایک کک گدا کام کرنے کے لۓ حاصل کرنے کا ایک طریقہ بنائے. ایک کاغذ جس نے ان پر شائع سائٹ آرکائیوس میں پوسٹ کیا ہے وہ یہ بتاتے ہیں کہ انہوں نے انسانی دماغ سے انسپکشن کیسے نکلا اور ان کے خیال کو نافذ کرنے کے لئے ان کے نیچرل نیٹ کو روایتی نظام کے مقابلے میں تقریبا 11 دفعہ کم توانائی کا استعمال کرنے کی اجازت دی.

ان کے نقطہ نظر کو نیند کے نیٹ ورک، یا SNN کا استعمال کرنا پڑتا ہے. ان کے ہم منصبوں کے برعکس، یہ کمپیوٹنگ نظام زیادہ درست طریقے سے حیاتیاتی نیورسنوں کو جذباتی کرتا ہے.

معیاری اعصابی نیٹس ہزاروں سے زائد نوڈس بنائے گئے ہیں جو اعداد و شمار پیش کیے جانے والے اعداد و شمار کے بارے میں فیصلے اور فیصلے کرنے کے لئے استعمال ہوتے ہیں. انحصار سے انحصار صرف اس وقت ہی پیش کیا جا رہا ہے، جبکہ SNN پیداوار پچھلے حوصلہ افزائی پر بھی منحصر ہے. ایک SNN میں نوڈس صرف اس وقت کام کریں گے جب محرک کی ایک خاص سطح تک پہنچ جاتی ہے. اس کے بجائے مسلسل دوسرے نوڈس کو ڈیٹا گزرنے کے بعد، SNN نوڈز صرف معلومات پر منتقل ہوتے ہیں جب وہ ضروری ہے.

یہ عام طور پر ایک بڑی توانائی کی قیمت پر آتا ہے کیونکہ ان میں سے زیادہ تر سسٹم کو مکمل طور پر دھاتی آکسائڈ - سیمکولیڈینٹر ٹیکنالوجی، یا CMOS کے طور پر جانا جاتا ہے کا استعمال کرکے بنایا جاتا ہے. یہ ٹیکچ آپ کے لیپ ٹاپ میں تمام چپس بنا دیتا ہے اور نیور نیٹ ورک کے لئے تعمیراتی بلاکس کے طور پر استعمال کیا جاتا ہے. ان کے مطالعہ کے لئے محققین کے گروپ نے CMOS ٹیک کو نشانہ بنایا اور ایک SNN تعمیر کیا جس نے مکمل طور پر مینیٹرز سے باہر رکھا.

"میموری مزاحم" کے لئے مختصر، 'میکسٹرس' الیکٹریکل مزاحمت ماضی میں اس کے ذریعہ بجلی کا بہاؤ کتنے برقی چارج پر منحصر ہے. لہذا CMOS ٹیک کے برعکس، اس سے قبل اس کو منظور کیا "یاد" کرنے میں کامیاب ہوسکتا ہے، جس میں SNNs کرنے کی ضرورت ہے.

مطالعہ کے نتائج نے مظاہرہ کیا کہ یادگاروں نے حیاتیاتی نیوروں کو بہت اچھی طرح سے نقل کیا ہے. بجلی کی مسلسل بہاؤ کی مخالفت کے طور پر وہ ایک دوسرے کے ساتھ بات چیت کرتے ہیں، یا توانائی کے مختصر حصے، استعمال کرتے ہیں. یہ یادگار - این این این نے درستگی میں تھوڑا سا کمی تھا جب اسے اس کی CMOS کے ہم منصبوں کے مقابلے میں تصویر کی درجہ بندی کے لئے استعمال کیا گیا تھا، لیکن اس نے اقتدار کے معیار کے خاندانی نیٹ ورک کا ایک حصہ لیا.

اس مطالعے سے قبل ہم SNNs مصنوعی انسانی دماغ کے قریب ترین ترین چیز تھے، لیکن ان کی بڑی تعداد نے انہیں کچھ فوائد منسوخ کر دیا. اگر دوسرے سائنسدانوں کو ان طاقت کی بچت کے نیورل نیٹ ورکوں کا پیچھا کرنے کے قابل ہو تو، انہیں کم توانائی کے ساتھ مزید کام کرنے کی اجازت دی جاسکتی ہے کہ وہ حیاتیاتی دماغ کی نقل کیسے کریں.