AI · · 4 min read
अध्ययन ने ऑप्टिकल न्यूरल नेटवर्क को समय-क्षेत्र तक विस्तारित किया
शोधकर्ताओं ने ऐसे पूर्णतः प्रकाश-आधारित न्यूरल नेटवर्क का वर्णन किया है, जो प्रकाश की संरचना को स्थान और समय—दोनों में नियंत्रित करके बदलते संकेतों को संसाधित करता है।
ScienMag में रिपोर्ट किए गए एक अध्ययन में ऐसे न्यूरल-नेटवर्क आर्किटेक्चर का वर्णन किया गया है, जो समय के साथ बदलती सूचना को संभालते हुए अपनी गणनाएँ पूरी तरह प्रकाश के माध्यम से करता है। Light: Science & Applications में प्रकाशित यह शोध, विवर्तन-आधारित ऑप्टिकल कंप्यूटिंग को उन स्थिर, द्वि-आयामी पैटर्न से आगे ले जाता है, जिनका उपयोग पहले की कई प्रणालियाँ करती थीं।
शोधकर्ताओं का ढाँचा एक साथ दो तरीकों से प्रकाश-क्षेत्र को नियंत्रित करता है: अंतरिक्ष में उसके वितरण को आकार देकर और यह निर्देशित करके कि वह क्षेत्र समय के साथ कैसे विकसित हो। इस तरह इसका उद्देश्य ऑप्टिकल नेटवर्कों को तरंगरूपों और अनुक्रमों को संसाधित करने देना है, ताकि चरणों के बीच डेटा को इलेक्ट्रॉनिक प्रोसेसर तक भेजने की आवश्यकता न पड़े।
स्थानिक पैटर्न से बदलते संकेतों तक
विवर्तन-आधारित न्यूरल नेटवर्क पतली ऑप्टिकल परतों की एक शृंखला का उपयोग करते हैं। कंप्यूटर-आधारित प्रशिक्षण प्रक्रिया के दौरान उनके संचरण या परावर्तन गुणों का चयन किया जाता है। प्रशिक्षित संरचना में प्रकाश प्रवेश करने के बाद, वह एक परत से दूसरी परत तक फैलता है। इससे उत्पन्न विवर्तन और व्यतिकरण कृत्रिम न्यूरल नेटवर्क में भारित कनेक्शनों के समान कार्य करते हैं।
यह व्यवस्था नेटवर्क की अग्रगामी गणना को प्रकाश के परतों से होकर गुजरते समय पूरा होने देती है। पारंपरिक इलेक्ट्रॉनिक प्रणालियों के विपरीत, ऑप्टिकल उपकरण को प्रत्येक कनेक्शन पर अलग से डिजिटल गुणा करने की आवश्यकता नहीं होती। हालांकि, पहले के संस्करण आम तौर पर एक ही छवि या किसी अन्य स्थिर स्थानिक पैटर्न पर काम करते थे। वे किसी सतह पर व्यवस्थित सूचना को रूपांतरित या वर्गीकृत कर सकते थे, लेकिन यह स्वाभाविक रूप से ध्यान में नहीं रख पाते थे कि कोई संकेत समय के साथ कैसे विकसित होता है।
यह सीमा महत्वपूर्ण है, क्योंकि कई उपयोगी इनपुट स्थिर चित्र नहीं होते। संचार डेटा बदलते हुए ऑप्टिकल तरंगरूपों के रूप में आ सकता है, जबकि जैविक संकेतों और गतिमान दृश्यों में भी उनके समय-संबंधी व्यवहार में सूचना निहित होती है। उदाहरण के लिए, किसी बोले गए शब्द का अर्थ अलग-थलग एक स्नैपशॉट के बजाय बदलावों के एक क्रम पर निर्भर करता है।
नई रूपरेखा ऑप्टिकल क्षेत्र को स्थान और समय—दोनों के साथ बदलता हुआ मानती है। इसलिए इसकी परतें केवल स्थानिक मास्क नहीं हैं: उनका उद्देश्य समय-परिवर्ती क्षेत्र के विभिन्न हिस्सों के बीच संबंध को बदलना है, जब ये घटक आगे बढ़ते हुए एक-दूसरे से व्यतिकरण करते हैं। इसके बाद अंतिम प्रकाश-पैटर्न किसी वर्गीकरण परिणाम या रूपांतरित तरंगरूप जैसे उत्तर को प्रदर्शित कर सकता है।
प्रकाश ही कंप्यूटिंग का माध्यम
नेटवर्क को संख्यात्मक रूप से प्रशिक्षित किया जाता है। तरंग-प्रसार के मॉडलों को मशीन-लर्निंग विधियों के साथ जोड़ा जाता है और परतों के गुणों में बार-बार समायोजन किया जाता है, ताकि सिस्टम के आउटपुट और वांछित परिणाम के बीच का अंतर कम हो। प्रशिक्षण के बाद इन पैरामीटरों को भौतिक ऑप्टिकल तत्वों में लागू किया जाता है।
संचालन के दौरान यह रूपरेखा निष्क्रिय रूप से निष्कर्ष निकालने के लिए तैयार की गई है। यह उन हाइब्रिड प्रणालियों से अलग है, जिनमें इलेक्ट्रॉनिक्स के काम संभालने से पहले ऑप्टिक्स गणना का केवल एक हिस्सा पूरा करता है। प्रस्तावित पूर्णतः ऑप्टिकल मार्ग में प्रकाश का प्रसार, विवर्तन और व्यतिकरण ही गणना उपलब्ध कराते हैं।
समय को शामिल करने से सिस्टम किसी समय-खिड़की में मौजूद सूचना को जोड़ सकता है, बजाय इसके कि हर क्षण को स्वतंत्र रूप से देखा जाए। ScienMag के विवरण के अनुसार, ऐसा नेटवर्क प्रकाश के संरचना में आगे बढ़ने के व्यवहार के माध्यम से समय-संबंधी फ़िल्टरिंग, सहसंबंध और अनुक्रम पहचान कर सकता है। इससे सेंसर या संचार प्रणाली के शुरुआती चरण में, संकेत को इलेक्ट्रॉनिक प्रारूप में बदलने से पहले, स्ट्रीमिंग डेटा का विश्लेषण करने की संभावना खुलती है।
यह दृष्टिकोण प्रकाश के उन कई गुणों पर भी आधारित है, जो सूचना वहन कर सकते हैं, जिनमें स्थानिक संरचना, तरंगदैर्ध्य, ध्रुवण और समय-संबंधी प्रोफ़ाइल शामिल हैं। अध्ययन स्थान और समय के संयुक्त नियंत्रण पर केंद्रित है—यह ऑप्टिकल शोध का ऐसा क्षेत्र है, जिसने ऐसे परिष्कृत स्पंदों और अन्य प्रकाश-पैटर्न को संभव बनाया है, जिनके प्रसार के दौरान व्यवहार को जानबूझकर आकार दिया जाता है।
संभावित लाभ और शेष चुनौतियाँ
ऑप्टिकल न्यूरल नेटवर्कों में रुचि का एक प्रमुख कारण ऊर्जा की खपत है। इलेक्ट्रॉनिक AI हार्डवेयर निष्कर्षण के लिए आवश्यक गणितीय क्रियाएँ करने के अलावा, मेमोरी और प्रोसेसिंग इकाइयों के बीच डेटा ले जाने में भी काफी ऊर्जा खर्च कर सकता है। विवर्तन-आधारित ऑप्टिकल नेटवर्क अपने रूपांतरण प्रकाश की गति और व्यतिकरण के माध्यम से करता है, इसलिए संचालन की लागत मुख्यतः प्रकाश उत्पन्न करने और उसका पता लगाने से जुड़ी होती है, न कि हर कनेक्शन पर इलेक्ट्रॉनिक गणना करने से।
समय-संबंधी विस्तार इस लाभ को कार्यों की एक व्यापक श्रेणी के लिए उपयोगी बना सकता है, खासकर ऑप्टिकल संचार में, जहाँ सूचना पहले से ही मॉड्यूलेटेड प्रकाश के रूप में यात्रा करती है। ऑप्टिकल और इलेक्ट्रॉनिक प्रारूपों के बीच बार-बार होने वाले रूपांतरण से बचना बहुत तेज़ प्रोसेसिंग में भी सहायक हो सकता है। कॉम्पैक्ट उपकरणों में प्रकाश को नेटवर्क पार करने में लगने वाला समय पिकोसेकंड में मापा जा सकता है, हालांकि किसी पूर्ण प्रणाली का व्यावहारिक प्रदर्शन उसके घटकों और डिटेक्टरों पर निर्भर करेगा।
इस कार्य को तैयार उत्पाद के बजाय एक डिज़ाइन-फ्रेमवर्क और भविष्य के कार्यान्वयन के आधार के रूप में प्रस्तुत किया गया है। तेजी से बदलते प्रकाश पर आवश्यक परिवर्तन सटीक रूप से लागू करने वाली भौतिक परतें बनाना चुनौतीपूर्ण होगा। संरेखण, निर्माण की सटीकता और डिटेक्टर की बैंडविड्थ—ये सभी प्रभावित कर सकते हैं कि कोई उपकरण अपने प्रशिक्षित मॉडल के अनुमान के अनुरूप प्रदर्शन करता है या नहीं।
ScienMag की रिपोर्ट के अनुसार, यह अध्ययन स्थान-कालिक विवर्तन-आधारित न्यूरल नेटवर्कों के सिद्धांतों और एक कार्यप्रणाली को स्थापित करता है। इन सिद्धांतों को विभिन्न ऑप्टिकल फ़्रीक्वेंसी रेंज और हार्डवेयर प्लेटफ़ॉर्मों पर प्रणालियों में बदलने के लिए आगे और काम करना होगा, लेकिन यह रूपरेखा गतिशील सूचना को संसाधित करने में निष्क्रिय ऑप्टिक्स की संभावित भूमिका का विस्तार करती है।