भौतिक तंत्रिका नेटवर्क: Difference between revisions

From Vigyanwiki
No edit summary
No edit summary
Line 51: Line 51:
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>
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>


न्यूजेंट और मोल्टर ने दर्शाया है कि AHaH प्लास्टिसिटी नियम को संचालित करने वाले सरल मेमरिस्टिव परिपथ 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>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><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>
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>




Line 57: Line 57:
=== 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 ===
=== यादगार 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

Revision as of 14:16, 14 May 2023

See also: आर्टिफिशियल इंटेलिजेंस के लिए हार्डवेयर and न्यूरोमॉर्फिक इंजीनियरिंग

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-जैसे 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।

यादगार 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। 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।[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=165367’