भौतिक तंत्रिका नेटवर्क: Difference between revisions

From Vigyanwiki
(Created page with "{{Short description|Type of artificial neural network}} {{see also|Hardware for artificial intelligence|Neuromorphic engineering}} एक भौतिक तंत्रि...")
 
No edit summary
 
(18 intermediate revisions by 5 users not shown)
Line 1: Line 1:
{{Short description|Type of artificial neural network}}
{{Short description|Type of artificial neural network}}'''भौतिक तंत्रिका नेटवर्क''' [[कृत्रिम तंत्रिका नेटवर्क]] होता है जिसमें रासायनिक अन्तर्ग्रथन या उच्च-क्रम (डेंड्रिटिक) न्यूरॉन मॉडल के कार्य का अनुकरण करने के लिए विद्युत रूप से समायोज्य सामग्री का उपयोग किया जाता है।<ref>{{Citation
{{see also|Hardware for artificial intelligence|Neuromorphic engineering}}
 
एक भौतिक तंत्रिका नेटवर्क एक प्रकार का [[कृत्रिम तंत्रिका नेटवर्क]] है जिसमें एक रासायनिक अन्तर्ग्रथन या एक उच्च-क्रम (डेंड्रिटिक) न्यूरॉन मॉडल के कार्य का अनुकरण करने के लिए विद्युत रूप से समायोज्य सामग्री का उपयोग किया जाता है।<ref>{{Citation
   | last1 = Lawrence
   | last1 = Lawrence
   | first1 = Celestine P.
   | first1 = Celestine P.
Line 14: Line 11:
  | s2cid = 251340897
  | s2cid = 251340897
  | url = https://ieeexplore.ieee.org/document/9849488
  | url = https://ieeexplore.ieee.org/document/9849488
   }}</ref> भौतिक तंत्रिका नेटवर्क का उपयोग सॉफ्टवेयर-आधारित दृष्टिकोणों के विपरीत [[न्यूरॉन्स]] का अनुकरण करने के लिए उपयोग किए जाने वाले भौतिक हार्डवेयर पर निर्भरता पर जोर देने के लिए किया जाता है। अधिक आम तौर पर यह शब्द अन्य कृत्रिम तंत्रिका नेटवर्क पर लागू होता है जिसमें एक तंत्रिका अन्तर्ग्रथन का अनुकरण करने के लिए एक [[memristor]] या अन्य विद्युत रूप से समायोज्य प्रतिरोध सामग्री का उपयोग किया जाता है।<ref>{{Cite web|url=https://syncedreview.com/2021/05/27/deepmind-podracer-tpu-based-rl-frameworks-deliver-exceptional-performance-at-low-cost-28/|title = Cornell & NTT's Physical Neural Networks: A "Radical Alternative for Implementing Deep Neural Networks" That Enables Arbitrary Physical Systems Training &#124; Synced|date = 27 May 2021}}</ref><ref>{{Cite web|url=https://www.theregister.com/2021/10/05/analogue_neural_network_research/|title=Nano-spaghetti to solve neural network power consumption}}</ref>
   }}</ref> "भौतिक" तंत्रिका नेटवर्क का उपयोग सॉफ्टवेयर-आधारित दृष्टिकोणों के विपरीत [[न्यूरॉन्स]] का अनुकरण करने के लिए उपयोग किए जाने वाले हार्डवेयर को महत्त्व देने के लिए किया जाता है। सामान्यतः यह शब्द अन्य कृत्रिम तंत्रिका नेटवर्क पर प्रयुक्त होता है जिसमें तंत्रिका अन्तर्ग्रथन का अनुकरण करने के लिए [[memristor|मेम्रिस्टर]] अथवा अन्य विद्युत रूप से समायोज्य प्रतिरोधक सामग्री का उपयोग किया जाता है।<ref>{{Cite web|url=https://syncedreview.com/2021/05/27/deepmind-podracer-tpu-based-rl-frameworks-deliver-exceptional-performance-at-low-cost-28/|title = Cornell & NTT's Physical Neural Networks: A "Radical Alternative for Implementing Deep Neural Networks" That Enables Arbitrary Physical Systems Training &#124; Synced|date = 27 May 2021}}</ref><ref>{{Cite web|url=https://www.theregister.com/2021/10/05/analogue_neural_network_research/|title=Nano-spaghetti to solve neural network power consumption}}</ref>




Line 20: Line 17:


=== एडालाइन ===
=== एडालाइन ===
1960 के दशक में [[बर्नार्ड विड्रो]] और [[टेड हॉफ]] ने [[ADALINE]] (एडेप्टिव लीनियर न्यूरॉन) विकसित किया, जो एक कृत्रिम न्यूरॉन के सिनैप्स का अनुकरण करने के लिए [[ memist ]]्स (मेमोरी रेसिस्टर्स) नामक इलेक्ट्रोकेमिकल कोशिकाओं का उपयोग करता था।<ref>{{citation
वर्ष 1960 में [[बर्नार्ड विड्रो]] और [[टेड हॉफ]] ने [[ADALINE|एडालाइन]] (एडेप्टिव लीनियर न्यूरॉन) विकसित किया, जो कृत्रिम न्यूरॉन के सिनैप्स का अनुकरण करने के लिए [[ memist |मेमिस्टर्स]] (मेमोरी रेसिस्टर्स) नामक विद्युत रासायनिक सेल का उपयोग करता था।<ref>{{citation
  |last1=Widrow |first1=B.
  |last1=Widrow |first1=B.
  |last2=Pierce|first2=W. H.
  |last2=Pierce|first2=W. H.
Line 28: Line 25:
  |year=1961
  |year=1961
  |url=http://www-isl.stanford.edu/~widrow/papers/j1961birthlife.pdf
  |url=http://www-isl.stanford.edu/~widrow/papers/j1961birthlife.pdf
}}</ref> मेमिस्टर्स को 3-टर्मिनल उपकरणों के रूप में लागू किया गया था जो तांबे के प्रतिवर्ती इलेक्ट्रोप्लेटिंग के आधार पर काम कर रहे थे जैसे कि दो टर्मिनलों के बीच प्रतिरोध को तीसरे टर्मिनल के माध्यम से लागू वर्तमान के अभिन्न अंग द्वारा नियंत्रित किया जाता है। 1960 के दशक में मेमिस्टर कॉर्पोरेशन द्वारा एडलाइन सर्किटरी का संक्षिप्त व्यावसायीकरण किया गया था, जिससे पैटर्न की पहचान में कुछ अनुप्रयोगों को सक्षम किया गया था। हालांकि, चूंकि मेमिस्टर्स एकीकृत सर्किट निर्माण तकनीकों का उपयोग करके गढ़े नहीं गए थे, इसलिए प्रौद्योगिकी स्केलेबल नहीं थी और अंततः इसे छोड़ दिया गया था क्योंकि [[ठोस-राज्य इलेक्ट्रॉनिक्स]] परिपक्व हो गए थे।<ref>{{Citation
}}</ref> मेमिस्टर्स 3-टर्मिनल उपकरणों के रूप में कार्यान्वित किया गया था जो तांबे के प्रतिवर्ती इलेक्ट्रोप्लेटिंग के आधार पर कार्य कर रहे थे जैसे कि दो टर्मिनलों के मध्य प्रतिरोध को तृतीय टर्मिनल के माध्यम से प्रयुक्त धारा द्वारा नियंत्रित किया जाता है। 1960 में मेमिस्टर कॉर्पोरेशन द्वारा एडलाइन सर्किटरी का संक्षिप्त व्यावसायीकरण किया गया था, जिससे पैटर्न के प्रमाण में कुछ अनुप्रयोगों को सक्षम किया गया था। चूंकि मेमिस्टर्स को एकीकृत परिपथ निर्माण तकनीकों का उपयोग करके फैब्रिकेट नहीं गया था, इसलिए प्रौद्योगिकी स्केलेबल नहीं थी और अंततः इसे त्याग दिया गया था क्योंकि [[ठोस-राज्य इलेक्ट्रॉनिक्स|सॉलिड-स्टेट इलेक्ट्रॉनिक्स]] पूर्ण रूप से सुचिंतित थे।<ref>{{Citation
   | last1 = Anderson
   | last1 = Anderson
   | first1 = James
   | first1 = James
Line 43: Line 40:


=== एनालॉग वीएलएसआई ===
=== एनालॉग वीएलएसआई ===
1989 में [[कार्वर मीड]] ने अपनी पुस्तक एनालॉग वीएलएसआई और न्यूरल सिस्टम प्रकाशित की,<ref>{{Cite book|last=Mead|first=Carver.|title=एनालॉग वीएलएसआई और तंत्रिका तंत्र|date=1989|publisher=Addison-Wesley|isbn=0-201-05992-4|location=Reading, Mass.|oclc=17954003}}</ref> जो शायद एनालॉग न्यूरल नेटवर्क का सबसे आम प्रकार है। भौतिक प्राप्ति [[एनालॉग वीएलएसआई]] में कार्यान्वित की जाती है। यह अक्सर कम उलटा में क्षेत्र प्रभाव ट्रांजिस्टर के रूप में लागू किया जाता है। ऐसे उपकरणों को [[ट्रांसलीनियर सर्किट]] के रूप में तैयार किया जा सकता है। यह [[बैरी गिल्बर्ट]] द्वारा 1970 के मध्य के आसपास कई पत्रों में और विशेष रूप से 1981 से उनके ट्रांसलीनियर सर्किट में वर्णित एक तकनीक है।<ref>{{Citation|last=Gilbert|first=Barrie|title=Translinear Circuits|date=1981|type=Handout, pp. 81}}</ref><ref>{{Citation|last=Gilbert|first=Barrie|chapter=Translinear Circuits|date=1999-12-27|encyclopedia=Wiley Encyclopedia of Electrical and Electronics Engineering|publisher=John Wiley & Sons, Inc.|doi=10.1002/047134608x.w2302|isbn=0-471-34608-X}}</ref> इस पद्धति के साथ सर्किट का स्थिर-अवस्था में अच्छी तरह से परिभाषित कार्यों के एक सेट के रूप में विश्लेषण किया जा सकता है, और ऐसे सर्किट जटिल नेटवर्क में इकट्ठे होते हैं।
1989 में [[कार्वर मीड]] ने अपनी पुस्तक एनालॉग वीएलएसआई और न्यूरल प्रणाली प्रकाशित की,<ref>{{Cite book|last=Mead|first=Carver.|title=एनालॉग वीएलएसआई और तंत्रिका तंत्र|date=1989|publisher=Addison-Wesley|isbn=0-201-05992-4|location=Reading, Mass.|oclc=17954003}}</ref> जो संभवतः एनालॉग न्यूरल नेटवर्क का सामान्य संस्करण है। भौतिक उपकरणों को [[एनालॉग वीएलएसआई]] में कार्यान्वित किया गया है। ऐसे उपकरणों को [[ट्रांसलीनियर सर्किट|ट्रांसलीनियर परिपथ]] के रूप में प्रस्तुत किया जा सकता है। यह [[बैरी गिल्बर्ट]] द्वारा 1970 के मध्य से और विशेष रूप से 1981 से उनके ट्रांसलीनियर परिपथ के विभिन्न पत्रों में वर्णित तकनीक है।<ref>{{Citation|last=Gilbert|first=Barrie|title=Translinear Circuits|date=1981|type=Handout, pp. 81}}</ref><ref>{{Citation|last=Gilbert|first=Barrie|chapter=Translinear Circuits|date=1999-12-27|encyclopedia=Wiley Encyclopedia of Electrical and Electronics Engineering|publisher=John Wiley & Sons, Inc.|doi=10.1002/047134608x.w2302|isbn=0-471-34608-X}}</ref> इस पद्धति के साथ परिपथ का स्थिर-अवस्था में उचित रूप से परिभाषित कार्यों के सेट के रूप में विश्लेषण किया जा सकता है, और ऐसे परिपथ जटिल नेटवर्क में एकत्रित होते हैं।


=== भौतिक तंत्रिका नेटवर्क ===
=== भौतिक तंत्रिका नेटवर्क ===


एलेक्स नुगेंट एक भौतिक तंत्रिका नेटवर्क का वर्णन एक या एक से अधिक गैर-रैखिक न्यूरॉन-जैसे नोड्स के रूप में करता है जो नैनोकणों, नैनोवायरों, या नैनोट्यूब से बने संकेतों और नैनोकनेक्शन का उपयोग करता है जो नोड्स को सिग्नल शक्ति इनपुट निर्धारित करता है।<ref name = KNOWM>{{US Patent|6889216}}</ref> नैनोकनेक्शन का संरेखण या स्व-विधानसभा लागू विद्युत क्षेत्र के इतिहास द्वारा निर्धारित किया जाता है जो न्यूरल सिनैप्स के अनुरूप कार्य करता है। असंख्य अनुप्रयोग<ref>[http://patft.uspto.gov/netacgi/nph-Parser?Sect1=PTO2&Sect2=HITOFF&p=1&u=%2Fnetahtml%2FPTO%2Fsearch-bool.html&r=0&f=S&l=50&TERM1=alex&FIELD1=INNM&co1=AND&TERM2=nugent&FIELD2=INNM&d=PTXT U.S. Known Patents]</ref> ऐसे भौतिक तंत्रिका नेटवर्क के लिए संभव है। उदाहरण के लिए, एक टेम्पोरल समन डिवाइस <ref>U.S. [[Patent]] No. [http://patft.uspto.gov/netacgi/nph-Parser?Sect1=PTO2&Sect2=HITOFF&p=1&u=%2Fnetahtml%2FPTO%2Fsearch-bool.html&r=17&f=G&l=50&co1=AND&d=PTXT&s1=alex.INNM.&s2=nugent.INNM.&OS=IN/alex+AND+IN/nugent&RS=IN/alex+AND+IN/nugent 7,028,017]</ref> एक या एक से अधिक नैनोकनेक्शन से बना हो सकता है जिसमें एक इनपुट और एक आउटपुट होता है, जिसमें इनपुट को प्रदान किया गया एक इनपुट सिग्नल समय के साथ कनेक्शन की ताकत में वृद्धि का अनुभव करने के लिए एक या अधिक नैनोकनेक्शन का कारण बनता है। भौतिक तंत्रिका नेटवर्क का एक और उदाहरण यू.एस. पेटेंट संख्या 7,039,619 द्वारा सिखाया जाता है<ref>{{Cite web | url=http://www.google.com/patents/US7039619?pg=PA1&dq=7039619&hl=en&sa=X&ei=GgrAUNLMM-PVyQGbnoDoCQ&sqi=2&pjf=1&ved=0CDQQ6AEwAA#v=onepage&q=7039619&f=false | title=Utilized nanotechnology apparatus using a neutral network, a solution and a connection gap}}</ref> एक न्यूरल नेटवर्क, एक समाधान और एक कनेक्शन गैप का उपयोग करके यूटिलाइज्ड [[नैनो]]टेक्नोलॉजी उपकरण का हकदार है, जो 2 मई, 2006 को यू.एस. पेटेंट और ट्रेडमार्क कार्यालय द्वारा एलेक्स नुगेंट को जारी किया गया था।<ref>{{Cite web | url=http://patft.uspto.gov/netacgi/nph-Parser?Sect1=PTO2&Sect2=HITOFF&p=1&u=%2Fnetahtml%2FPTO%2Fsearch-bool.html&r=18&f=G&l=50&co1=AND&d=PTXT&s1=alex.INNM.&s2=nugent.INNM.&OS=IN/alex+AND+IN/nugent&RS=IN/alex+AND+IN/nugent |title = United States Patent: 8918353 - Methods and systems for feature extraction}}</ref>
एलेक्स नुगेंट भौतिक तंत्रिका नेटवर्क का वर्णन अरैखिक न्यूरॉन नोड्स के रूप में करता है जो नैनोकणों, नैनोवायरों, या नैनोट्यूब से निर्मित संकेतों और नैनोकनेक्शन का उपयोग करता है जो नोड्स को सिग्नल स्ट्रेंथ इनपुट निर्धारित करता है।<ref name = KNOWM>{{US Patent|6889216}}</ref> नैनोकनेक्शन का संरेखण प्रयुक्त विद्युत क्षेत्र द्वारा निर्धारित किया जाता है जो न्यूरल सिनैप्स के अनुरूप कार्य करता है। असंख्य अनुप्रयोग<ref>[http://patft.uspto.gov/netacgi/nph-Parser?Sect1=PTO2&Sect2=HITOFF&p=1&u=%2Fnetahtml%2FPTO%2Fsearch-bool.html&r=0&f=S&l=50&TERM1=alex&FIELD1=INNM&co1=AND&TERM2=nugent&FIELD2=INNM&d=PTXT U.S. Known Patents]</ref> ऐसे भौतिक तंत्रिका नेटवर्क के लिए संभव होते है। उदाहरण के लिए, टेम्पोरल समन डिवाइस <ref>U.S. [[Patent]] No. [http://patft.uspto.gov/netacgi/nph-Parser?Sect1=PTO2&Sect2=HITOFF&p=1&u=%2Fnetahtml%2FPTO%2Fsearch-bool.html&r=17&f=G&l=50&co1=AND&d=PTXT&s1=alex.INNM.&s2=nugent.INNM.&OS=IN/alex+AND+IN/nugent&RS=IN/alex+AND+IN/nugent 7,028,017]</ref> इनपुट और आउटपुट वाले अधिक नैनोकनेक्शन से निर्मित हो सकता है, जिसमें इनपुट को प्रदान किया गया इनपुट सिग्नल समय के साथ कनेक्शन की क्षमता में वृद्धि का अनुभव करने के लिए नैनोकनेक्शन का कारण बनता है। भौतिक तंत्रिका नेटवर्क का अन्य उदाहरण अमेरिकी पेटेंट संख्या 7,039,619 द्वारा अध्ययन किया गया है, जिसका शीर्षक "तंत्रिका नेटवर्क, समाधान और कनेक्शन गैप का उपयोग करते हुए प्रयुक्त [[नैनो]] प्रौद्योगिकी उपकरण" है जो 2 मई, 2006 को अमेरिकी पेटेंट और ट्रेडमार्क कार्यालय द्वारा एलेक्स नुगेंट को प्रस्तावित किया गया था।<ref>{{Cite web | url=http://patft.uspto.gov/netacgi/nph-Parser?Sect1=PTO2&Sect2=HITOFF&p=1&u=%2Fnetahtml%2FPTO%2Fsearch-bool.html&r=18&f=G&l=50&co1=AND&d=PTXT&s1=alex.INNM.&s2=nugent.INNM.&OS=IN/alex+AND+IN/nugent&RS=IN/alex+AND+IN/nugent |title = United States Patent: 8918353 - Methods and systems for feature extraction}}</ref>
भौतिक तंत्रिका नेटवर्क का एक और अनुप्रयोग यू.एस. पेटेंट संख्या 7,412,428 में दिखाया गया है, जिसका शीर्षक नैनो-प्रौद्योगिकी-आधारित भौतिक तंत्रिका नेटवर्क के लिए हेब्बियन और एंटी-[[हेबियन]] सीखने का अनुप्रयोग है, जो 12 अगस्त, 2008 को जारी किया गया था।<ref>{{Cite web | url=http://patft.uspto.gov/netacgi/nph-Parser?Sect1=PTO2&Sect2=HITOFF&p=1&u=%2Fnetahtml%2FPTO%2Fsearch-bool.html&r=13&f=G&l=50&co1=AND&d=PTXT&s1=alex.INNM.&s2=nugent.INNM.&OS=IN/alex+AND+IN/nugent&RS=IN/alex+AND+IN/nugent |title = United States Patent: 9104975 - Memristor apparatus}}</ref>
 
Nugent और Molter ने दिखाया है कि AHaH प्लास्टिसिटी नियम को संचालित करने वाले सरल यादगार सर्किट के माध्यम से उपलब्ध संचालन से सार्वभौमिक कंप्यूटिंग और सामान्य-उद्देश्य मशीन लर्निंग संभव है।<ref>{{Cite journal |doi = 10.1371/journal.pone.0085175|pmid = 24520315|pmc = 3919716|title = AHaH Computing–From Metastable Switches to Attractors to Machine Learning|journal = PLOS ONE|volume = 9|issue = 2|pages = e85175|year = 2014|last1 = Nugent|first1 = Michael Alexander|last2 = Molter|first2 = Timothy Wesley|bibcode = 2014PLoSO...985175N|doi-access = free}}</ref>
भौतिक तंत्रिका नेटवर्क का अन्य अनुप्रयोग यू.एस. पेटेंट संख्या 7,412,428 में दर्शाया गया है, जिसका शीर्षक नैनो-प्रौद्योगिकी-आधारित भौतिक तंत्रिका नेटवर्क के लिए हेब्बियन और एंटी-[[हेबियन]] अध्ययन का अनुप्रयोग है, जो 12 अगस्त, 2008 को प्रस्तावित किया गया था।<ref>{{Cite web | url=http://patft.uspto.gov/netacgi/nph-Parser?Sect1=PTO2&Sect2=HITOFF&p=1&u=%2Fnetahtml%2FPTO%2Fsearch-bool.html&r=13&f=G&l=50&co1=AND&d=PTXT&s1=alex.INNM.&s2=nugent.INNM.&OS=IN/alex+AND+IN/nugent&RS=IN/alex+AND+IN/nugent |title = United States Patent: 9104975 - Memristor apparatus}}</ref>
हाल ही में, यह तर्क दिया गया है कि विशुद्ध रूप से यादगार सर्किट के जटिल नेटवर्क भी तंत्रिका नेटवर्क के रूप में काम कर सकते हैं।
 
<ref>{{cite journal |last1=Caravelli |first1=F. |last2=Traversa |first2=F. L. |last3=Di Ventra |first3=M. |arxiv=1608.08651 |title=The complex dynamics of memristive circuits: analytical results and universal slow relaxation |year=2017 |doi=10.1103/PhysRevE.95.022140 |pmid=28297937 |volume=95 |issue= 2 |pages= 022140 |journal=Physical Review E|bibcode=2017PhRvE..95b2140C |s2cid=6758362 }}</ref>
न्यूजेंट और मोल्टर ने दर्शाया है कि AHaH प्लास्टिसिटी नियम को संचालित करने वाले सरल मेमरिस्टिव परिपथ के माध्यम से उपलब्ध संचालन से यूनिवर्सल कंप्यूटिंग और सामान्य-उद्देश्य मशीन लर्निंग संभव है।<ref>{{Cite journal |doi = 10.1371/journal.pone.0085175|pmid = 24520315|pmc = 3919716|title = AHaH Computing–From Metastable Switches to Attractors to Machine Learning|journal = PLOS ONE|volume = 9|issue = 2|pages = e85175|year = 2014|last1 = Nugent|first1 = Michael Alexander|last2 = Molter|first2 = Timothy Wesley|bibcode = 2014PLoSO...985175N|doi-access = free}}</ref> मेमरिस्टिव परिपथ के जटिल नेटवर्क भी तंत्रिका नेटवर्क के रूप में कार्य कर सकते हैं।<ref>{{cite journal |last1=Caravelli |first1=F. |last2=Traversa |first2=F. L. |last3=Di Ventra |first3=M. |arxiv=1608.08651 |title=The complex dynamics of memristive circuits: analytical results and universal slow relaxation |year=2017 |doi=10.1103/PhysRevE.95.022140 |pmid=28297937 |volume=95 |issue= 2 |pages= 022140 |journal=Physical Review E|bibcode=2017PhRvE..95b2140C |s2cid=6758362 }}</ref><ref>{{cite journal |last=Caravelli |first=F. |arxiv=1712.07046 |title=यादगार परिपथों का स्पर्शोन्मुख व्यवहार| journal=Entropy |year=2019 |doi=10.3390/e21080789  |volume=21 |issue=8 |pages= 789|pmid=33267502 |pmc=7515318 |bibcode=2019Entrp..21..789C |doi-access=free }}</ref>
<ref>{{cite journal |last=Caravelli |first=F. |arxiv=1712.07046 |title=यादगार परिपथों का स्पर्शोन्मुख व्यवहार| journal=Entropy |year=2019 |doi=10.3390/e21080789  |volume=21 |issue=8 |pages= 789|pmid=33267502 |pmc=7515318 |bibcode=2019Entrp..21..789C |doi-access=free }}</ref>
 




=== चरण परिवर्तन तंत्रिका नेटवर्क ===
=== चरण परिवर्तन तंत्रिका नेटवर्क ===


2002 में, [[स्टैनफोर्ड ओशिन्स्की]] ने एक एनालॉग न्यूरल कंप्यूटिंग माध्यम का वर्णन किया जिसमें [[चरण-परिवर्तन सामग्री]] में कई इनपुट संकेतों का संचयी रूप से जवाब देने की क्षमता है।<ref>{{US Patent|6999953}}</ref> इनपुट सिग्नल के भार को नियंत्रित करने के लिए चरण परिवर्तन सामग्री के प्रतिरोध का विद्युत परिवर्तन किया जाता है।
2002 में, [[स्टैनफोर्ड ओशिन्स्की]] ने एनालॉग न्यूरल कंप्यूटिंग माध्यम का वर्णन किया जिसमें [[चरण-परिवर्तन सामग्री]] में विभिन्न इनपुट संकेतों का संचयी रूप से उत्तर देने की क्षमता होती है।<ref>{{US Patent|6999953}}</ref> इनपुट सिग्नल को नियंत्रित करने के लिए चरण परिवर्तन सामग्री के प्रतिरोधक का विद्युत परिवर्तन किया जाता है।


=== यादगार तंत्रिका नेटवर्क ===
=== मेमरिस्टिव तंत्रिका नेटवर्क ===


[[एचपी लैब्स]] के ग्रेग स्नाइडर यादगार नैनोडेविसेस के साथ कॉर्टिकल कंप्यूटिंग की एक प्रणाली का वर्णन करते हैं।<ref>{{Citation
[[एचपी लैब्स]] के ग्रेग स्नाइडर मेमरिस्टिव नैनोडेविसेस के साथ कॉर्टिकल कंप्यूटिंग की प्रणाली का वर्णन करते हैं।<ref>{{Citation
   | last = Snider
   | last = Snider
   | first = Greg
   | first = Greg
Line 74: Line 71:
   | archive-date = 2016-05-16
   | archive-date = 2016-05-16
   | url-status = dead
   | url-status = dead
   }}</ref> [[ memrist ]] (मेमोरी रेसिस्टर्स) को पतली फिल्म सामग्री द्वारा कार्यान्वित किया जाता है जिसमें फिल्म के भीतर आयनों या ऑक्सीजन रिक्तियों के परिवहन के माध्यम से प्रतिरोध को विद्युत रूप से ट्यून किया जाता है। [[DARPA]] के [[SyNAPSE]] ने बोस्टन यूनिवर्सिटी डिपार्टमेंट ऑफ़ कॉग्निटिव एंड न्यूरल सिस्टम्स (CNS) के सहयोग से IBM रिसर्च और HP लैब्स को न्यूरोमॉर्फिक आर्किटेक्चर विकसित करने के लिए वित्त पोषित किया है जो यादगार सिस्टम पर आधारित हो सकता है।<ref>  
   }}</ref> [[ memrist | मेम्रिस्टर]] (मेमोरी रेसिस्टर्स) को पतली फिल्म सामग्री द्वारा कार्यान्वित किया जाता है जिसमें फिल्म के भीतर आयनों या ऑक्सीजन रिक्तियों के परिवहन के माध्यम से प्रतिरोध को विद्युत रूप से ट्यून किया जाता है। [[DARPA|डीएआरपीए]] के [[SyNAPSE|सिनैप्स]] ने बोस्टन यूनिवर्सिटी डिपार्टमेंट ऑफ़ कॉग्निटिव एंड न्यूरल प्रणाली (सीएनएस) के सहयोग से आईबीएम अन्वेषण और एचपी प्रयोगशालाओं को न्यूरोमॉर्फिक आर्किटेक्चर विकसित करने के लिए वित्त पोषित किया है जो मेमरिस्टिव प्रणाली पर आधारित हो सकता है।<ref>  
{{Citation | last1=Caravelli | first1=Francesco | last2=Carbajal | first2=Juan Pablo| title=Memristors for the curious outsiders | journal=Technologies | year=2018 | volume=  6| issue= 4| page=118 | doi=10.3390/technologies6040118| bibcode=2018arXiv181203389C | arxiv=1812.03389 | s2cid=54464654 | doi-access=free }} </ref>
{{Citation | last1=Caravelli | first1=Francesco | last2=Carbajal | first2=Juan Pablo| title=Memristors for the curious outsiders | journal=Technologies | year=2018 | volume=  6| issue= 4| page=118 | doi=10.3390/technologies6040118| bibcode=2018arXiv181203389C | arxiv=1812.03389 | s2cid=54464654 | doi-access=free }} </ref>




=== प्रोटोनिक कृत्रिम सिनैप्स ===
=== प्रोटोनिक कृत्रिम सिनैप्स ===
2022 में, शोधकर्ताओं ने प्रोटोन#हाइड्रोजन आयन ({{chem|H|+}}), 'एनालॉग [[ध्यान लगा के पढ़ना या सीखना]]' के लिए।<ref>{{cite news |title='कृत्रिम सिनैप्स' तंत्रिका नेटवर्क को दिमाग की तरह काम कर सकता है|url=https://www.newscientist.com/article/2331368-artificial-synapse-could-make-neural-networks-work-more-like-brains/ |access-date=21 August 2022 |work=New Scientist}}</ref><ref>{{cite journal |last1=Onen |first1=Murat |last2=Emond |first2=Nicolas |last3=Wang |first3=Baoming |last4=Zhang |first4=Difei |last5=Ross |first5=Frances M. |last6=Li |first6=Ju |last7=Yildiz |first7=Bilge |last8=del Alamo |first8=Jesús A. |title=एनालॉग डीप लर्निंग के लिए नैनोसेकंड प्रोटोनिक प्रोग्रामेबल रेसिस्टर्स|journal=Science |date=29 July 2022 |volume=377 |issue=6605 |pages=539–543 |doi=10.1126/science.abp8064 |pmid=35901152 |s2cid=251159631 |url=http://li.mit.edu/Archive/Papers/22/Onen22EmondScience.pdf |language=en |issn=0036-8075}}</ref>
2022 में शोधकर्ताओं ने 'एनालॉग [[ध्यान लगा के पढ़ना या सीखना|डीप लर्निंग]]' के लिए आयन प्रोटॉन ({{chem|H|+}}) का उपयोग करते हुए नैनोस्केल मस्तिष्क-प्रेरित कृत्रिम सिनैप्स के विकास की सूचना प्रदान की थी।<ref>{{cite news |title='कृत्रिम सिनैप्स' तंत्रिका नेटवर्क को दिमाग की तरह काम कर सकता है|url=https://www.newscientist.com/article/2331368-artificial-synapse-could-make-neural-networks-work-more-like-brains/ |access-date=21 August 2022 |work=New Scientist}}</ref><ref>{{cite journal |last1=Onen |first1=Murat |last2=Emond |first2=Nicolas |last3=Wang |first3=Baoming |last4=Zhang |first4=Difei |last5=Ross |first5=Frances M. |last6=Li |first6=Ju |last7=Yildiz |first7=Bilge |last8=del Alamo |first8=Jesús A. |title=एनालॉग डीप लर्निंग के लिए नैनोसेकंड प्रोटोनिक प्रोग्रामेबल रेसिस्टर्स|journal=Science |date=29 July 2022 |volume=377 |issue=6605 |pages=539–543 |doi=10.1126/science.abp8064 |pmid=35901152 |s2cid=251159631 |url=http://li.mit.edu/Archive/Papers/22/Onen22EmondScience.pdf |language=en |issn=0036-8075}}</ref>




== यह भी देखें ==
== यह भी देखें ==
* [[एआई त्वरक]]
* [[एआई त्वरक|एआई एक्सेलरेटर]]
* [[मस्तिष्क अनुकरण]]
* [[मस्तिष्क अनुकरण]]
*न्यूरोमॉर्फिक इंजीनियरिंग
*न्यूरोमॉर्फिक इंजीनियरिंग
Line 95: Line 92:
== बाहरी संबंध ==
== बाहरी संबंध ==
*[http://www.neurdon.com/about-synapse/ Information on DARPA's SyNAPSE project] 2009
*[http://www.neurdon.com/about-synapse/ Information on DARPA's SyNAPSE project] 2009
[[Category: कृत्रिम तंत्रिका प्रसार]]


[[Category: Machine Translated Page]]
[[Category:Articles with hatnote templates targeting a nonexistent page]]
[[Category:CS1 English-language sources (en)]]
[[Category:Created On 10/05/2023]]
[[Category:Created On 10/05/2023]]
[[Category:Lua-based templates]]
[[Category:Machine Translated Page]]
[[Category:Pages with script errors]]
[[Category:Templates Vigyan Ready]]
[[Category:Templates that add a tracking category]]
[[Category:Templates that generate short descriptions]]
[[Category:Templates using TemplateData]]
[[Category:कृत्रिम तंत्रिका प्रसार]]

Latest revision as of 15:48, 30 October 2023

भौतिक तंत्रिका नेटवर्क कृत्रिम तंत्रिका नेटवर्क होता है जिसमें रासायनिक अन्तर्ग्रथन या उच्च-क्रम (डेंड्रिटिक) न्यूरॉन मॉडल के कार्य का अनुकरण करने के लिए विद्युत रूप से समायोज्य सामग्री का उपयोग किया जाता है।[1] "भौतिक" तंत्रिका नेटवर्क का उपयोग सॉफ्टवेयर-आधारित दृष्टिकोणों के विपरीत न्यूरॉन्स का अनुकरण करने के लिए उपयोग किए जाने वाले हार्डवेयर को महत्त्व देने के लिए किया जाता है। सामान्यतः यह शब्द अन्य कृत्रिम तंत्रिका नेटवर्क पर प्रयुक्त होता है जिसमें तंत्रिका अन्तर्ग्रथन का अनुकरण करने के लिए मेम्रिस्टर अथवा अन्य विद्युत रूप से समायोज्य प्रतिरोधक सामग्री का उपयोग किया जाता है।[2][3]


भौतिक तंत्रिका नेटवर्क के प्रकार

एडालाइन

वर्ष 1960 में बर्नार्ड विड्रो और टेड हॉफ ने एडालाइन (एडेप्टिव लीनियर न्यूरॉन) विकसित किया, जो कृत्रिम न्यूरॉन के सिनैप्स का अनुकरण करने के लिए मेमिस्टर्स (मेमोरी रेसिस्टर्स) नामक विद्युत रासायनिक सेल का उपयोग करता था।[4] मेमिस्टर्स 3-टर्मिनल उपकरणों के रूप में कार्यान्वित किया गया था जो तांबे के प्रतिवर्ती इलेक्ट्रोप्लेटिंग के आधार पर कार्य कर रहे थे जैसे कि दो टर्मिनलों के मध्य प्रतिरोध को तृतीय टर्मिनल के माध्यम से प्रयुक्त धारा द्वारा नियंत्रित किया जाता है। 1960 में मेमिस्टर कॉर्पोरेशन द्वारा एडलाइन सर्किटरी का संक्षिप्त व्यावसायीकरण किया गया था, जिससे पैटर्न के प्रमाण में कुछ अनुप्रयोगों को सक्षम किया गया था। चूंकि मेमिस्टर्स को एकीकृत परिपथ निर्माण तकनीकों का उपयोग करके फैब्रिकेट नहीं गया था, इसलिए प्रौद्योगिकी स्केलेबल नहीं थी और अंततः इसे त्याग दिया गया था क्योंकि सॉलिड-स्टेट इलेक्ट्रॉनिक्स पूर्ण रूप से सुचिंतित थे।[5]


एनालॉग वीएलएसआई

1989 में कार्वर मीड ने अपनी पुस्तक एनालॉग वीएलएसआई और न्यूरल प्रणाली प्रकाशित की,[6] जो संभवतः एनालॉग न्यूरल नेटवर्क का सामान्य संस्करण है। भौतिक उपकरणों को एनालॉग वीएलएसआई में कार्यान्वित किया गया है। ऐसे उपकरणों को ट्रांसलीनियर परिपथ के रूप में प्रस्तुत किया जा सकता है। यह बैरी गिल्बर्ट द्वारा 1970 के मध्य से और विशेष रूप से 1981 से उनके ट्रांसलीनियर परिपथ के विभिन्न पत्रों में वर्णित तकनीक है।[7][8] इस पद्धति के साथ परिपथ का स्थिर-अवस्था में उचित रूप से परिभाषित कार्यों के सेट के रूप में विश्लेषण किया जा सकता है, और ऐसे परिपथ जटिल नेटवर्क में एकत्रित होते हैं।

भौतिक तंत्रिका नेटवर्क

एलेक्स नुगेंट भौतिक तंत्रिका नेटवर्क का वर्णन अरैखिक न्यूरॉन नोड्स के रूप में करता है जो नैनोकणों, नैनोवायरों, या नैनोट्यूब से निर्मित संकेतों और नैनोकनेक्शन का उपयोग करता है जो नोड्स को सिग्नल स्ट्रेंथ इनपुट निर्धारित करता है।[9] नैनोकनेक्शन का संरेखण प्रयुक्त विद्युत क्षेत्र द्वारा निर्धारित किया जाता है जो न्यूरल सिनैप्स के अनुरूप कार्य करता है। असंख्य अनुप्रयोग[10] ऐसे भौतिक तंत्रिका नेटवर्क के लिए संभव होते है। उदाहरण के लिए, टेम्पोरल समन डिवाइस [11] इनपुट और आउटपुट वाले अधिक नैनोकनेक्शन से निर्मित हो सकता है, जिसमें इनपुट को प्रदान किया गया इनपुट सिग्नल समय के साथ कनेक्शन की क्षमता में वृद्धि का अनुभव करने के लिए नैनोकनेक्शन का कारण बनता है। भौतिक तंत्रिका नेटवर्क का अन्य उदाहरण अमेरिकी पेटेंट संख्या 7,039,619 द्वारा अध्ययन किया गया है, जिसका शीर्षक "तंत्रिका नेटवर्क, समाधान और कनेक्शन गैप का उपयोग करते हुए प्रयुक्त नैनो प्रौद्योगिकी उपकरण" है जो 2 मई, 2006 को अमेरिकी पेटेंट और ट्रेडमार्क कार्यालय द्वारा एलेक्स नुगेंट को प्रस्तावित किया गया था।[12]

भौतिक तंत्रिका नेटवर्क का अन्य अनुप्रयोग यू.एस. पेटेंट संख्या 7,412,428 में दर्शाया गया है, जिसका शीर्षक नैनो-प्रौद्योगिकी-आधारित भौतिक तंत्रिका नेटवर्क के लिए हेब्बियन और एंटी-हेबियन अध्ययन का अनुप्रयोग है, जो 12 अगस्त, 2008 को प्रस्तावित किया गया था।[13]

न्यूजेंट और मोल्टर ने दर्शाया है कि AHaH प्लास्टिसिटी नियम को संचालित करने वाले सरल मेमरिस्टिव परिपथ के माध्यम से उपलब्ध संचालन से यूनिवर्सल कंप्यूटिंग और सामान्य-उद्देश्य मशीन लर्निंग संभव है।[14] मेमरिस्टिव परिपथ के जटिल नेटवर्क भी तंत्रिका नेटवर्क के रूप में कार्य कर सकते हैं।[15][16]


चरण परिवर्तन तंत्रिका नेटवर्क

2002 में, स्टैनफोर्ड ओशिन्स्की ने एनालॉग न्यूरल कंप्यूटिंग माध्यम का वर्णन किया जिसमें चरण-परिवर्तन सामग्री में विभिन्न इनपुट संकेतों का संचयी रूप से उत्तर देने की क्षमता होती है।[17] इनपुट सिग्नल को नियंत्रित करने के लिए चरण परिवर्तन सामग्री के प्रतिरोधक का विद्युत परिवर्तन किया जाता है।

मेमरिस्टिव तंत्रिका नेटवर्क

एचपी लैब्स के ग्रेग स्नाइडर मेमरिस्टिव नैनोडेविसेस के साथ कॉर्टिकल कंप्यूटिंग की प्रणाली का वर्णन करते हैं।[18] मेम्रिस्टर (मेमोरी रेसिस्टर्स) को पतली फिल्म सामग्री द्वारा कार्यान्वित किया जाता है जिसमें फिल्म के भीतर आयनों या ऑक्सीजन रिक्तियों के परिवहन के माध्यम से प्रतिरोध को विद्युत रूप से ट्यून किया जाता है। डीएआरपीए के सिनैप्स ने बोस्टन यूनिवर्सिटी डिपार्टमेंट ऑफ़ कॉग्निटिव एंड न्यूरल प्रणाली (सीएनएस) के सहयोग से आईबीएम अन्वेषण और एचपी प्रयोगशालाओं को न्यूरोमॉर्फिक आर्किटेक्चर विकसित करने के लिए वित्त पोषित किया है जो मेमरिस्टिव प्रणाली पर आधारित हो सकता है।[19]


प्रोटोनिक कृत्रिम सिनैप्स

2022 में शोधकर्ताओं ने 'एनालॉग डीप लर्निंग' के लिए आयन प्रोटॉन (H+
) का उपयोग करते हुए नैनोस्केल मस्तिष्क-प्रेरित कृत्रिम सिनैप्स के विकास की सूचना प्रदान की थी।[20][21]


यह भी देखें

संदर्भ

  1. ↑ Lawrence, Celestine P. (2022), "Compact Modeling of Nanocluster Functionality as a Higher-Order Neuron", IEEE Transactions on Electron Devices, 69 (9): 5373–5376, doi:10.1109/TED.2022.3191956, S2CID 251340897
  2. ↑ "Cornell & NTT's Physical Neural Networks: A "Radical Alternative for Implementing Deep Neural Networks" That Enables Arbitrary Physical Systems Training | Synced". 27 May 2021.
  3. ↑ "Nano-spaghetti to solve neural network power consumption".
  4. ↑ Widrow, B.; Pierce, W. H.; Angell, J.B. (1961), "Birth, Life, and Death in Microelectronic Systems" (PDF), Technical Report No. 1552-2/1851-1
  5. ↑ Anderson, James; Rosenfeld, Edward (1998), Talking Nets: An Oral History of Neural Networks, MIT Press, ISBN 978-0-262-01167-9
  6. ↑ Mead, Carver. (1989). एनालॉग वीएलएसआई और तंत्रिका तंत्र. Reading, Mass.: Addison-Wesley. ISBN 0-201-05992-4. OCLC 17954003.
  7. ↑ Gilbert, Barrie (1981), Translinear Circuits (Handout, pp. 81)
  8. ↑ Gilbert, Barrie (1999-12-27), "Translinear Circuits", Wiley Encyclopedia of Electrical and Electronics Engineering, John Wiley & Sons, Inc., doi:10.1002/047134608x.w2302, ISBN 0-471-34608-X
  9. ↑ U.S. Patent 6,889,216
  10. ↑ U.S. Known Patents
  11. ↑ U.S. Patent No. 7,028,017
  12. ↑ "United States Patent: 8918353 - Methods and systems for feature extraction".
  13. ↑ "United States Patent: 9104975 - Memristor apparatus".
  14. ↑ Nugent, Michael Alexander; Molter, Timothy Wesley (2014). "AHaH Computing–From Metastable Switches to Attractors to Machine Learning". PLOS ONE. 9 (2): e85175. Bibcode:2014PLoSO...985175N. doi:10.1371/journal.pone.0085175. PMC 3919716. PMID 24520315.
  15. ↑ Caravelli, F.; Traversa, F. L.; Di Ventra, M. (2017). "The complex dynamics of memristive circuits: analytical results and universal slow relaxation". Physical Review E. 95 (2): 022140. arXiv:1608.08651. Bibcode:2017PhRvE..95b2140C. doi:10.1103/PhysRevE.95.022140. PMID 28297937. S2CID 6758362.
  16. ↑ Caravelli, F. (2019). "यादगार परिपथों का स्पर्शोन्मुख व्यवहार". Entropy. 21 (8): 789. arXiv:1712.07046. Bibcode:2019Entrp..21..789C. doi:10.3390/e21080789. PMC 7515318. PMID 33267502.
  17. ↑ U.S. Patent 6,999,953
  18. ↑ Snider, Greg (2008), "Cortical computing with memristive nanodevices", Sci-DAC Review, 10: 58–65, archived from the original on 2016-05-16, retrieved 2009-10-26
  19. ↑ Caravelli, Francesco; Carbajal, Juan Pablo (2018), "Memristors for the curious outsiders", Technologies, 6 (4): 118, arXiv:1812.03389, Bibcode:2018arXiv181203389C, doi:10.3390/technologies6040118, S2CID 54464654
  20. ↑ "'कृत्रिम सिनैप्स' तंत्रिका नेटवर्क को दिमाग की तरह काम कर सकता है". New Scientist. Retrieved 21 August 2022.
  21. ↑ Onen, Murat; Emond, Nicolas; Wang, Baoming; Zhang, Difei; Ross, Frances M.; Li, Ju; Yildiz, Bilge; del Alamo, Jesús A. (29 July 2022). "एनालॉग डीप लर्निंग के लिए नैनोसेकंड प्रोटोनिक प्रोग्रामेबल रेसिस्टर्स" (PDF). Science (in English). 377 (6605): 539–543. doi:10.1126/science.abp8064. ISSN 0036-8075. PMID 35901152. S2CID 251159631.


बाहरी संबंध

Retrieved from ‘https://www.vigyanwiki.in/index.php?title=भौतिक_तंत्रिका_नेटवर्क&oldid=271661’