साभार: ससेक्स विश्वविद्यालय
वैज्ञानिकों ने अराजकता के रहस्यमय किनारे पर संचालित बड़े नेटवर्क में न्यूरॉन्स के व्यवहार की भविष्यवाणी करने में एक सफलता हासिल की है।
ससेक्स विश्वविद्यालय और क्योटो विश्वविद्यालय के नए शोध हजारों व्यक्तिगत व्यक्तियों द्वारा उत्पन्न डेटा के द्रव्यमान का विश्लेषण करने में सक्षम एक नई पद्धति की रूपरेखा तैयार करते हैं।
नए ढांचे ने सिस्टम के गुणों की भविष्यवाणी करने और आकलन करने के लिए पिछले मॉडल के परिणामों को अधिक सटीक रूप से परिभाषित किया है, जो कि सिस्टम परिवर्तनों के प्रति अधिक उतार-चढ़ाव के साथ सटीक रूप से आकलन करता है।
चूंकि नई प्रौद्योगिकियां जीवित जानवरों से हजारों न्यूरॉन्स की रिकॉर्डिंग की अनुमति देती हैं, इसलिए गैर-संतुलन, उच्च-आयामी डेटा सेटों के जटिल गतिशीलता का अध्ययन करने के लिए गणितीय उपकरणों के लिए दबाव की मांग है। इस प्रयास में, शोधकर्ताओं को जानवरों के बारे में महत्वपूर्ण जानकारी और पर्यावरणीय परिवर्तनों के अनुकूल होने के बारे में महत्वपूर्ण सवालों के जवाब देने में मदद करने की उम्मीद है।
शोधकर्ताओं का यह भी मानना है कि बड़े एआई मॉडल के प्रशिक्षण की भारी कम्प्यूटेशनल लागत और कार्बन फुटप्रिंट को कम करने में उनका काम प्रभावी हो सकता है - इस तरह के मॉडल छोटे शोध प्रयोगशालाओं या कंपनियों के लिए अधिक व्यापक रूप से उपलब्ध हैं।
डॉ। मिगुएल एगुइलेरा, मैरी स्क्लोडोस्का-क्यूरी ने ससेक्स विश्वविद्यालय में इंजीनियरिंग और सूचना विज्ञान के स्कूल में शोध के साथी ने कहा: "केवल हाल ही में हमारे पास जानवरों के हजारों व्यक्तिगत न्यूरॉन्स रिकॉर्ड करने की तकनीक है, जबकि वे अपने पर्यावरण पर बातचीत करते हैं, जो प्रयोगशाला संस्कृतियों में या स्थिर या अनैस्थेटाइज़्ड जानवरों में पृथक न्यूरॉन्स के नेटवर्क का अध्ययन करने के लिए एक जबरदस्त प्रगति है।
“यह एक बहुत ही रोमांचक उन्नति है, लेकिन हमारे पास गैर-संतुलन व्यवहार द्वारा बनाए गए डेटा की भारी मात्रा का विश्लेषण और समझने के लिए अभी तक विधियाँ नहीं हैं। हमारा योगदान उन मॉडलों को खोजने के लिए प्रौद्योगिकी को आगे बढ़ाने की संभावना प्रदान करता है जो बताती हैं कि न्यूरॉन्स जानकारी को कैसे संसाधित करते हैं और व्यवहार उत्पन्न करते हैं। "
पेपर, आज में प्रकाशित हुआ संचार प्रकृति, तंत्रिका नेटवर्क मॉडल के जटिल गतिशीलता को जल्दी से जानने के लिए तरीकों को विकसित करता है जो कैप्चर करते हैं कि लैब में देखे गए वास्तविक न्यूरॉन्स कैसे व्यवहार करते हैं, वे कैसे जुड़े हुए हैं और वे जानकारी कैसे संसाधित करते हैं।
एक महत्वपूर्ण कदम आगे बढ़ाते हुए, शोध दल ने एक ऐसा तरीका बनाया है, जो वास्तविक दुनिया में अपने पर्यावरण के साथ बातचीत करते समय जानवरों के संचालन में काफी उतार-चढ़ाव, गैर-संतुलन स्थितियों में काम करता है।
डॉ। एगुइलेरा ने कहा: "यह सीखने का सबसे कारगर तरीका है कि बड़ी प्रणालियाँ कैसे काम करती हैं, सांख्यिकीय मॉडल और सन्निकटन का उपयोग कर रही हैं, और इनमें से सबसे सामान्य साधन फ़ील्ड विधियाँ हैं, जहाँ एक नेटवर्क में सभी इंटरैक्शन का प्रभाव एक सरलीकृत औसत प्रभाव द्वारा होता है।
“लेकिन ये तकनीक अक्सर बहुत आदर्श स्थितियों में काम करती है। दिमाग निरंतर परिवर्तन, विकास और अनुकूलन में हैं, जटिल उतार-चढ़ाव वाले पैटर्न प्रदर्शित करते हैं और तेजी से बदलते वातावरण के साथ बातचीत करते हैं। हमारे मॉडल का उद्देश्य इन गैर-संतुलन स्थितियों में होने वाले उतार-चढ़ाव को ठीक से पकड़ना है, जो हम अपने प्राकृतिक परिवेश में जानवरों के साथ स्वतंत्र रूप से व्यवहार करने की अपेक्षा करते हैं। "
सांख्यिकीय विधि विशेष रूप से अराजकता और आदेशित गतिविधि के बीच व्यवहार के एक विशेष क्षेत्र में अराजकता के किनारे के क्षेत्र में बड़े नेटवर्क के गतिशीलता को पकड़ती है, जहां न्यूरोनल गतिविधि में तीव्र उतार-चढ़ाव होते हैं, जिसे न्यूरोनल हिमस्खलन के रूप में जाना जाता है।
पिछले गणितीय मॉडलों के विपरीत, शोधकर्ताओं ने नेटवर्क के सहसंबंधों को बेहतर ढंग से कैप्चर करने के लिए एक सूचना ज्यामितीय दृष्टिकोण लागू किया, जिससे उन्हें तंत्रिका गतिविधि के प्रक्षेपवक्र को सरल बनाने वाले मानचित्र बनाए गए जो वास्तव में अत्यंत जटिल मार्गों की यात्रा करते हैं जो सीधे गणना करना मुश्किल है।
क्योटो विश्वविद्यालय में ग्रेजुएट स्कूल ऑफ इंफॉर्मेटिक्स के शोध साथी डॉ। एस अमीन मूसावी ने कहा: "सूचना ज्यामिति हमें अपने तरीकों को व्यवस्थित रूप से आगे बढ़ाने और उपन्यास दृष्टिकोण का सुझाव देने के लिए एक स्पष्ट मार्ग प्रदान करती है, जिसके परिणामस्वरूप अधिक सटीक डेटा विश्लेषण उपकरण हैं।"
क्योटो विश्वविद्यालय में ग्रेजुएट स्कूल ऑफ इंफोर्मेटिक्स के एसोसिएट प्रोफेसर, प्रो हिडीकी शिमजाकी ने कहा: "बड़ी प्रणालियों के लिए उन्नत गणना के तरीके प्रदान करने के अलावा, फ्रेमवर्क कई मौजूदा दृष्टिकोणों को एकीकृत करता है जिससे हम तंत्रिका विज्ञान और मशीन सीखने को आगे बढ़ा सकते हैं। हमें इस तरह के एक एकीकृत दृष्टिकोण की पेशकश करने में खुशी हो रही है जो इस गहन अंतर्राष्ट्रीय सहयोग के उत्पाद के रूप में वैज्ञानिक प्रगति की एक बानगी व्यक्त करता है। ”
डॉ। एगुइलेरा इन तरीकों को यूरोपीय संघ द्वारा वित्त पोषित DIMENSIVE परियोजना के हिस्से के रूप में एक आभासी वास्तविकता सेटअप के साथ बातचीत करते हुए लैब में ज़ेब्राफिश के हजारों न्यूरॉन्स मॉडल करने के लिए लागू करेगा, जिसका उद्देश्य बड़े पैमाने पर व्यवहार के जेनेरिक मॉडल विकसित करना और महत्वपूर्ण अंतर्दृष्टि प्रदान करना है व्यवहार एक जीव के तंत्रिका तंत्र, शरीर और पर्यावरण की गतिशील बातचीत से उत्पन्न होता है।
# # #
स्रोत: https://bioengineer.org/making-sense-of-the-mass-data-generated-from-firing-neurons/
