ইন্ডিয়ান ইনস্টিটিউট অফ সায়েন্স (IISc) এর গবেষকদের দ্বারা তৈরি একটি নতুন GPU-ভিত্তিক মেশিন লার্নিং অ্যালগরিদমের জন্য বিজ্ঞানীরা মস্তিষ্কের বিভিন্ন অঞ্চলের মধ্যে সংযোগগুলি বুঝতে এবং পূর্বাভাস দিতে আরও ভালভাবে সক্ষম হতে পারেন।
অ্যালগরিদম, যা রেগুলারাইজড, অ্যাক্সিলারেটেড, লিনিয়ার ফ্যাসিকল ইভালুয়েশন বা রিআল-লাইফ নামে পরিচিত, মানুষের মস্তিষ্কের ডিফিউশন ম্যাগনেটিক রেজোন্যান্স ইমেজিং (dMRI) স্ক্যানের মাধ্যমে উৎপাদিত বিপুল পরিমাণ ডেটাকে দক্ষতার সাথে বিশ্লেষণ করতে সক্ষম।
টিমের রিয়েল-লাইফ ব্যবহার তাদের বর্তমান অত্যাধুনিক কৌশলগুলির তুলনায় 150 গুণ বেশি দ্রুত dMRI ডেটা বিশ্লেষণ করতে দেয়।
মস্তিষ্ক সংযোগ মডেল কিভাবে কাজ করে?
প্রতি সেকেন্ডে, মস্তিষ্কের লক্ষাধিক নিউরন আগুন দেয়, বৈদ্যুতিক স্পন্দন তৈরি করে যা নিউরাল নেটওয়ার্কের মাধ্যমে চলাচল করে—যা "অ্যাক্সন" নামেও পরিচিত—মস্তিষ্কের এক অংশ থেকে অন্য অংশে।
মস্তিষ্ক কম্পিউটার হিসাবে কাজ করার জন্য, এই সংযোগগুলি প্রয়োজনীয়। যাইহোক, মস্তিষ্কের সংযোগ অধ্যয়নের জন্য ঐতিহ্যগত পদ্ধতিগুলি প্রায়ই আক্রমণাত্মক প্রাণী মডেল ব্যবহার করে।
যাইহোক, dMRI স্ক্যান মানুষের মস্তিষ্কের সংযোগ পরীক্ষা করার জন্য একটি অ-আক্রমণকারী উপায় অফার করে।
মস্তিষ্কের তথ্য মহাসড়ক হল তারের (অ্যাক্সন) যা এর বিভিন্ন অঞ্চলকে সংযুক্ত করে। জলের অণুগুলি তাদের দৈর্ঘ্য বরাবর অ্যাক্সন বান্ডিলের সাথে একটি নির্দেশিত পদ্ধতিতে ভ্রমণ করে যেহেতু তারা টিউবের মতো গঠিত হয়।
সংযোগ, যা মস্তিষ্কে বিস্তৃত ফাইবারগুলির নেটওয়ার্কের একটি বিশদ মানচিত্র, এটি dMRI দ্বারা সম্ভব হতে পারে, যা গবেষকদের এই আন্দোলন অনুসরণ করতে সক্ষম করে।
দুর্ভাগ্যবশত, এই সংযোগগুলি সনাক্ত করা সহজ নয়। স্ক্যানের ডেটা দ্বারা মস্তিষ্কের প্রতিটি স্থানে শুধুমাত্র জলের অণুর নেট প্রবাহ দেখানো হয়।
জলের অণুগুলিকে অটোমোবাইল হিসাবে বিবেচনা করুন। রাস্তাঘাট সম্পর্কে কিছু না জেনে, শুধুমাত্র সংগৃহীত তথ্য হল সময় ও স্থানে প্রতিটি পয়েন্টে গাড়ির দিক ও গতি।
এই ট্র্যাফিক প্যাটার্নগুলি পর্যবেক্ষণ করে, কাজটি সড়কপথের নেটওয়ার্কগুলি অনুমান করার সাথে তুলনীয়। প্রচলিত পদ্ধতিগুলি সঠিকভাবে এই নেটওয়ার্কগুলি সনাক্ত করার জন্য প্রকৃত dMRI সংকেতের সাথে অনুমানযুক্ত সংযোগ থেকে প্রত্যাশিত dMRI সংকেতের সাথে ঘনিষ্ঠভাবে মেলে।
এই অপ্টিমাইজেশানটি করার জন্য, বিজ্ঞানীরা আগে LiFE (লিনিয়ার ফ্যাসিকল ইভালুয়েশন) নামে একটি অ্যালগরিদম তৈরি করেছিলেন, কিন্তু এর একটি ত্রুটি ছিল যে এটি প্রচলিত সেন্ট্রাল প্রসেসিং ইউনিট (সিপিইউ) তে পরিচালিত হয়েছিল, যা গণনাকে সময়সাপেক্ষ করে তুলেছিল।
বাস্তব জীবন এটি একটি বিপ্লবী মডেল যা ভারতীয় গবেষকরা তৈরি করেছিলেন
প্রাথমিকভাবে, গবেষকরা এই সমন্বয় করার জন্য LiFE (লিনিয়ার ফ্যাসিয়াল ইভালুয়েশন) নামে একটি অ্যালগরিদম তৈরি করেছিলেন, কিন্তু এর একটি অসুবিধা হল যে এটি সাধারণ সেন্ট্রাল প্রসেসিং ইউনিট (CPUs) এর উপর নির্ভর করত, যা গণনা করতে সময় নেয়।
অপ্রয়োজনীয় সংযোগগুলি অপসারণ করা এবং LiFE-এর কার্যক্ষমতা উল্লেখযোগ্যভাবে উন্নত করা সহ বিভিন্ন উপায়ে প্রয়োজনীয় প্রক্রিয়াকরণের কাজ কমানোর জন্য শ্রীধরনের দল নতুন গবেষণায় তাদের কৌশল উন্নত করেছে।
গ্রাফিক্স প্রসেসিং ইউনিট (GPUs) তে কাজ করার জন্য গবেষকরা প্রযুক্তিটিকে আরও পরিমার্জিত করেছেন, যা উচ্চ-সম্পন্ন গেমিং পিসিগুলিতে ব্যবহৃত বিশেষ বৈদ্যুতিক চিপ।
এটি তাদের পূর্ববর্তী পদ্ধতির তুলনায় 100-150 গুণ দ্রুত ডেটা পরীক্ষা করার অনুমতি দেয়। টিতার আপডেট করা অ্যালগরিদম, রিআল-লাইফ, এটিও অনুমান করতে পারে যে একটি মানুষের পরীক্ষার বিষয় কীভাবে কাজ করবে বা একটি নির্দিষ্ট কাজ করবে।
অন্য কথায়, প্রতিটি ব্যক্তির জন্য অ্যালগরিদমের প্রজেক্টেড লিঙ্ক শক্তি ব্যবহার করে, দলটি 200 জনের একটি নমুনার মধ্যে আচরণগত এবং জ্ঞানীয় পরীক্ষার স্কোরের পার্থক্য ব্যাখ্যা করতে সক্ষম হয়েছিল।
এই ধরনের বিশ্লেষণের ঔষধি ব্যবহারও থাকতে পারে।" বিগ-ডেটা নিউরোসায়েন্স অ্যাপ্লিকেশানগুলির জন্য বিশেষ করে সুস্থ মস্তিষ্কের কার্যকারিতা এবং মস্তিষ্কের ব্যাধি বোঝার জন্য বড় আকারের ডেটা প্রক্রিয়াকরণ ক্রমশ গুরুত্বপূর্ণ হয়ে উঠছে।
উপসংহার
উপসংহারে, ReAl-LiFE এও অনুমান করতে পারে যে একটি মানুষের পরীক্ষার বিষয় কীভাবে কাজ করবে বা একটি নির্দিষ্ট কাজ করবে।
অন্য কথায়, প্রতিটি ব্যক্তির জন্য অ্যালগরিদমের প্রজেক্টেড লিঙ্ক শক্তি ব্যবহার করে, দলটি 200 জনের একটি নমুনার মধ্যে আচরণগত এবং জ্ঞানীয় পরীক্ষার স্কোরের পার্থক্য ব্যাখ্যা করতে সক্ষম হয়েছিল।
এই ধরনের বিশ্লেষণের ঔষধি ব্যবহারও থাকতে পারে।" বিগ-ডেটা নিউরোসায়েন্স অ্যাপ্লিকেশানগুলির জন্য বিশেষ করে সুস্থ মস্তিষ্কের কার্যকারিতা এবং মস্তিষ্কের ব্যাধি বোঝার জন্য বড় আকারের ডেটা প্রক্রিয়াকরণ ক্রমশ গুরুত্বপূর্ণ হয়ে উঠছে।
নির্দেশিকা সমন্ধে মতামত দিন