ਇੰਡੀਅਨ ਇੰਸਟੀਚਿਊਟ ਆਫ਼ ਸਾਇੰਸ (IISc) ਦੇ ਖੋਜਕਰਤਾਵਾਂ ਦੁਆਰਾ ਬਣਾਏ ਗਏ ਇੱਕ ਨਵੇਂ GPU-ਅਧਾਰਿਤ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਐਲਗੋਰਿਦਮ ਦੀ ਬਦੌਲਤ ਵਿਗਿਆਨੀ ਦਿਮਾਗ ਦੇ ਵੱਖ-ਵੱਖ ਖੇਤਰਾਂ ਦੇ ਵਿਚਕਾਰ ਸਬੰਧਾਂ ਨੂੰ ਸਮਝਣ ਅਤੇ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਦੇ ਯੋਗ ਹੋ ਸਕਦੇ ਹਨ।
ਐਲਗੋਰਿਦਮ, ਜਿਸਨੂੰ ਰੈਗੂਲਰਾਈਜ਼ਡ, ਐਕਸੀਲਰੇਟਿਡ, ਲੀਨੀਅਰ ਫਾਸੀਕਲ ਇਵੈਲੂਏਸ਼ਨ ਜਾਂ ਰੀਅਲ-ਲਾਈਫ ਕਿਹਾ ਜਾਂਦਾ ਹੈ, ਮਨੁੱਖੀ ਦਿਮਾਗ ਦੇ ਫੈਲਾਅ ਮੈਗਨੈਟਿਕ ਰੈਜ਼ੋਨੈਂਸ ਇਮੇਜਿੰਗ (dMRI) ਸਕੈਨ ਦੁਆਰਾ ਪੈਦਾ ਕੀਤੇ ਗਏ ਡੇਟਾ ਦੇ ਵਿਸ਼ਾਲ ਖੰਡਾਂ ਦਾ ਕੁਸ਼ਲਤਾ ਨਾਲ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਦੇ ਸਮਰੱਥ ਹੈ।
ਟੀਮ ਦੁਆਰਾ ਰੀਅਲ-ਲਾਈਫ ਦੀ ਵਰਤੋਂ ਨੇ ਉਹਨਾਂ ਨੂੰ ਮੌਜੂਦਾ ਅਤਿ-ਆਧੁਨਿਕ ਤਕਨੀਕਾਂ ਦੇ ਮੁਕਾਬਲੇ 150 ਗੁਣਾ ਤੇਜ਼ੀ ਨਾਲ dMRI ਡੇਟਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੱਤੀ।
ਦਿਮਾਗ ਕਨੈਕਟੀਵਿਟੀ ਮਾਡਲ ਕਿਵੇਂ ਕੰਮ ਕਰਦਾ ਹੈ?
ਹਰ ਸਕਿੰਟ, ਦਿਮਾਗ ਦੇ ਲੱਖਾਂ ਨਿਊਰੋਨ ਅੱਗ ਲਗਾਉਂਦੇ ਹਨ, ਜਿਸ ਨਾਲ ਬਿਜਲੀ ਦੀਆਂ ਨਬਜ਼ਾਂ ਬਣ ਜਾਂਦੀਆਂ ਹਨ ਜੋ ਦਿਮਾਗ ਦੇ ਇੱਕ ਹਿੱਸੇ ਤੋਂ ਦੂਜੇ ਹਿੱਸੇ ਵਿੱਚ ਨਿਊਰਲ ਨੈੱਟਵਰਕਾਂ-ਜਿਸ ਨੂੰ "ਐਕਸੋਨ" ਵੀ ਕਿਹਾ ਜਾਂਦਾ ਹੈ।
ਦਿਮਾਗ ਨੂੰ ਕੰਪਿਊਟਰ ਵਾਂਗ ਕੰਮ ਕਰਨ ਲਈ, ਇਹ ਕੁਨੈਕਸ਼ਨ ਜ਼ਰੂਰੀ ਹਨ। ਹਾਲਾਂਕਿ, ਦਿਮਾਗ ਦੇ ਕਨੈਕਸ਼ਨਾਂ ਦਾ ਅਧਿਐਨ ਕਰਨ ਲਈ ਰਵਾਇਤੀ ਢੰਗਾਂ ਵਿੱਚ ਅਕਸਰ ਹਮਲਾਵਰ ਜਾਨਵਰਾਂ ਦੇ ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ ਸ਼ਾਮਲ ਹੁੰਦੀ ਹੈ।
ਹਾਲਾਂਕਿ, dMRI ਸਕੈਨ ਮਨੁੱਖੀ ਦਿਮਾਗ ਦੇ ਕਨੈਕਸ਼ਨਾਂ ਦੀ ਜਾਂਚ ਕਰਨ ਦਾ ਇੱਕ ਗੈਰ-ਹਮਲਾਵਰ ਤਰੀਕਾ ਪੇਸ਼ ਕਰਦੇ ਹਨ।
ਦਿਮਾਗ ਦੇ ਸੂਚਨਾ ਮਾਰਗ ਉਹ ਕੇਬਲ (ਐਕਸੋਨ) ਹਨ ਜੋ ਇਸਦੇ ਵੱਖ-ਵੱਖ ਖੇਤਰਾਂ ਨੂੰ ਜੋੜਦੇ ਹਨ। ਪਾਣੀ ਦੇ ਅਣੂ ਆਪਣੀ ਲੰਬਾਈ ਦੇ ਨਾਲ ਐਕਸੋਨ ਬੰਡਲਾਂ ਦੇ ਨਾਲ ਇੱਕ ਨਿਰਦੇਸ਼ਿਤ ਤਰੀਕੇ ਨਾਲ ਯਾਤਰਾ ਕਰਦੇ ਹਨ ਕਿਉਂਕਿ ਉਹ ਟਿਊਬਾਂ ਵਾਂਗ ਬਣਦੇ ਹਨ।
ਕਨੈਕਟੋਮ, ਜੋ ਕਿ ਦਿਮਾਗ ਵਿੱਚ ਫੈਲੇ ਫਾਈਬਰਾਂ ਦੇ ਨੈਟਵਰਕ ਦਾ ਇੱਕ ਵਿਸਤ੍ਰਿਤ ਨਕਸ਼ਾ ਹੈ, ਨੂੰ dMRI ਦੁਆਰਾ ਸੰਭਵ ਬਣਾਇਆ ਜਾ ਸਕਦਾ ਹੈ, ਜੋ ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਇਸ ਅੰਦੋਲਨ ਦੀ ਪਾਲਣਾ ਕਰਨ ਦੇ ਯੋਗ ਬਣਾਉਂਦਾ ਹੈ।
ਬਦਕਿਸਮਤੀ ਨਾਲ, ਇਹਨਾਂ ਕਨੈਕਟਾਂ ਦੀ ਪਛਾਣ ਕਰਨਾ ਸਧਾਰਨ ਨਹੀਂ ਹੈ। ਸਕੈਨ ਦੇ ਡੇਟਾ ਦੁਆਰਾ ਦਿਮਾਗ ਵਿੱਚ ਹਰੇਕ ਸਥਾਨ 'ਤੇ ਪਾਣੀ ਦੇ ਅਣੂਆਂ ਦਾ ਸਿਰਫ਼ ਸ਼ੁੱਧ ਪ੍ਰਵਾਹ ਦਿਖਾਇਆ ਗਿਆ ਹੈ।
ਪਾਣੀ ਦੇ ਅਣੂਆਂ ਨੂੰ ਆਟੋਮੋਬਾਈਲ ਸਮਝੋ। ਰੋਡਵੇਜ਼ ਬਾਰੇ ਕੁਝ ਵੀ ਜਾਣੇ ਬਿਨਾਂ, ਇਕੱਠੀ ਕੀਤੀ ਸਿਰਫ ਜਾਣਕਾਰੀ ਸਮੇਂ ਅਤੇ ਸਥਾਨ ਦੇ ਹਰੇਕ ਬਿੰਦੂ 'ਤੇ ਕਾਰਾਂ ਦੀ ਦਿਸ਼ਾ ਅਤੇ ਗਤੀ ਹੈ।
ਇਹਨਾਂ ਟ੍ਰੈਫਿਕ ਪੈਟਰਨਾਂ ਦੀ ਨਿਗਰਾਨੀ ਕਰਕੇ, ਕੰਮ ਰੋਡਵੇਜ਼ ਦੇ ਨੈਟਵਰਕ ਦਾ ਅਨੁਮਾਨ ਲਗਾਉਣ ਦੇ ਬਰਾਬਰ ਹੈ। ਇਹਨਾਂ ਨੈੱਟਵਰਕਾਂ ਦੀ ਸਹੀ ਪਛਾਣ ਕਰਨ ਲਈ ਰਵਾਇਤੀ ਪਹੁੰਚ ਅਸਲ dMRI ਸਿਗਨਲ ਨਾਲ ਅਨੁਮਾਨਿਤ ਕਨੈਕਟੋਮ ਤੋਂ ਅਨੁਮਾਨਿਤ dMRI ਸਿਗਨਲ ਨਾਲ ਨੇੜਿਓਂ ਮੇਲ ਖਾਂਦੀਆਂ ਹਨ।
ਇਸ ਓਪਟੀਮਾਈਜੇਸ਼ਨ ਨੂੰ ਕਰਨ ਲਈ, ਵਿਗਿਆਨੀਆਂ ਨੇ ਪਹਿਲਾਂ LiFE (ਲੀਨੀਅਰ ਫਾਸੀਕਲ ਇਵੈਲੂਏਸ਼ਨ) ਨਾਮਕ ਇੱਕ ਐਲਗੋਰਿਦਮ ਬਣਾਇਆ, ਪਰ ਇਸਦੀ ਇੱਕ ਕਮਜ਼ੋਰੀ ਇਹ ਸੀ ਕਿ ਇਹ ਰਵਾਇਤੀ ਕੇਂਦਰੀ ਪ੍ਰੋਸੈਸਿੰਗ ਯੂਨਿਟਾਂ (ਸੀਪੀਯੂ) 'ਤੇ ਕੰਮ ਕਰਦੀ ਸੀ, ਜਿਸ ਨਾਲ ਗਣਨਾ ਨੂੰ ਸਮਾਂ ਬਰਬਾਦ ਕੀਤਾ ਜਾਂਦਾ ਸੀ।
ਅਸਲੀ ਜ਼ਿੰਦਗੀ ਇੱਕ ਕ੍ਰਾਂਤੀਕਾਰੀ ਮਾਡਲ ਹੈ ਜੋ ਭਾਰਤੀ ਖੋਜਕਰਤਾਵਾਂ ਦੁਆਰਾ ਬਣਾਇਆ ਗਿਆ ਸੀ
ਸ਼ੁਰੂ ਵਿੱਚ, ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਇਸ ਵਿਵਸਥਾ ਨੂੰ ਕਰਨ ਲਈ LiFE (ਲੀਨੀਅਰ ਫੇਸ਼ੀਅਲ ਇਵੈਲੂਏਸ਼ਨ) ਨਾਮਕ ਇੱਕ ਐਲਗੋਰਿਦਮ ਬਣਾਇਆ, ਪਰ ਇਸਦਾ ਇੱਕ ਨੁਕਸਾਨ ਇਹ ਸੀ ਕਿ ਇਹ ਆਮ ਕੇਂਦਰੀ ਪ੍ਰੋਸੈਸਿੰਗ ਯੂਨਿਟਾਂ (CPUs) 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਸੀ, ਜਿਸਦੀ ਗਣਨਾ ਕਰਨ ਵਿੱਚ ਸਮਾਂ ਲੱਗਦਾ ਸੀ।
ਸ਼੍ਰੀਧਰਨ ਦੀ ਟੀਮ ਨੇ ਵੱਖ-ਵੱਖ ਤਰੀਕਿਆਂ ਨਾਲ ਲੋੜੀਂਦੇ ਪ੍ਰੋਸੈਸਿੰਗ ਕੰਮ ਨੂੰ ਘੱਟ ਕਰਨ ਲਈ ਨਵੀਨਤਮ ਅਧਿਐਨ ਵਿੱਚ ਆਪਣੀ ਤਕਨੀਕ ਵਿੱਚ ਸੁਧਾਰ ਕੀਤਾ, ਜਿਸ ਵਿੱਚ ਬੇਲੋੜੇ ਕੁਨੈਕਸ਼ਨਾਂ ਨੂੰ ਹਟਾਉਣਾ ਅਤੇ LiFE ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਸੁਧਾਰ ਕਰਨਾ ਸ਼ਾਮਲ ਹੈ।
ਖੋਜਕਰਤਾਵਾਂ ਦੁਆਰਾ ਗ੍ਰਾਫਿਕਸ ਪ੍ਰੋਸੈਸਿੰਗ ਯੂਨਿਟਾਂ (GPUs) 'ਤੇ ਕੰਮ ਕਰਨ ਲਈ ਇਸ ਨੂੰ ਇੰਜੀਨੀਅਰਿੰਗ ਕਰਕੇ ਤਕਨਾਲੋਜੀ ਨੂੰ ਹੋਰ ਸੁਧਾਰਿਆ ਗਿਆ ਸੀ, ਜੋ ਉੱਚ-ਅੰਤ ਦੇ ਗੇਮਿੰਗ ਪੀਸੀ ਵਿੱਚ ਵਰਤੀਆਂ ਜਾਂਦੀਆਂ ਵਿਸ਼ੇਸ਼ ਇਲੈਕਟ੍ਰੀਕਲ ਚਿਪਸ ਹਨ।
ਇਸਨੇ ਉਹਨਾਂ ਨੂੰ ਪਿਛਲੀਆਂ ਪਹੁੰਚਾਂ ਨਾਲੋਂ 100-150 ਗੁਣਾ ਤੇਜ਼ੀ ਨਾਲ ਡੇਟਾ ਦੀ ਜਾਂਚ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੱਤੀ। ਟੀਉਸਦਾ ਅੱਪਡੇਟ ਕੀਤਾ ਐਲਗੋਰਿਦਮ, ਰੀਅਲ-ਲਾਈਫ, ਇਹ ਵੀ ਅੰਦਾਜ਼ਾ ਲਗਾ ਸਕਦਾ ਹੈ ਕਿ ਇੱਕ ਮਨੁੱਖੀ ਟੈਸਟ ਦਾ ਵਿਸ਼ਾ ਕਿਵੇਂ ਕੰਮ ਕਰੇਗਾ ਜਾਂ ਇੱਕ ਖਾਸ ਕੰਮ ਕਰੇਗਾ।
ਦੂਜੇ ਸ਼ਬਦਾਂ ਵਿੱਚ, ਹਰੇਕ ਵਿਅਕਤੀ ਲਈ ਐਲਗੋਰਿਦਮ ਦੀਆਂ ਅਨੁਮਾਨਿਤ ਲਿੰਕ ਸ਼ਕਤੀਆਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ, ਟੀਮ 200 ਵਿਅਕਤੀਆਂ ਦੇ ਇੱਕ ਨਮੂਨੇ ਵਿੱਚ ਵਿਹਾਰਕ ਅਤੇ ਬੋਧਾਤਮਕ ਟੈਸਟ ਸਕੋਰਾਂ ਵਿੱਚ ਵਿਭਿੰਨਤਾਵਾਂ ਦੀ ਵਿਆਖਿਆ ਕਰਨ ਦੇ ਯੋਗ ਸੀ।
ਅਜਿਹੇ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਚਿਕਿਤਸਕ ਉਪਯੋਗ ਵੀ ਹੋ ਸਕਦੇ ਹਨ।" ਵੱਡੇ ਪੈਮਾਨੇ ਦੀ ਡਾਟਾ ਪ੍ਰੋਸੈਸਿੰਗ ਵੱਡੇ-ਡਾਟਾ ਨਿਊਰੋਸਾਇੰਸ ਐਪਲੀਕੇਸ਼ਨਾਂ ਲਈ, ਖਾਸ ਤੌਰ 'ਤੇ ਸਿਹਤਮੰਦ ਦਿਮਾਗੀ ਕਾਰਜ ਅਤੇ ਦਿਮਾਗੀ ਵਿਕਾਰ ਨੂੰ ਸਮਝਣ ਲਈ ਮਹੱਤਵਪੂਰਨ ਹੁੰਦੀ ਜਾ ਰਹੀ ਹੈ।
ਸਿੱਟਾ
ਸਿੱਟੇ ਵਜੋਂ, ਰੀਅਲ-ਲਾਈਫ ਇਹ ਵੀ ਅੰਦਾਜ਼ਾ ਲਗਾ ਸਕਦਾ ਹੈ ਕਿ ਮਨੁੱਖੀ ਟੈਸਟ ਦਾ ਵਿਸ਼ਾ ਕਿਵੇਂ ਕੰਮ ਕਰੇਗਾ ਜਾਂ ਕੋਈ ਖਾਸ ਕੰਮ ਕਰੇਗਾ।
ਦੂਜੇ ਸ਼ਬਦਾਂ ਵਿੱਚ, ਹਰੇਕ ਵਿਅਕਤੀ ਲਈ ਐਲਗੋਰਿਦਮ ਦੀਆਂ ਅਨੁਮਾਨਿਤ ਲਿੰਕ ਸ਼ਕਤੀਆਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ, ਟੀਮ 200 ਵਿਅਕਤੀਆਂ ਦੇ ਇੱਕ ਨਮੂਨੇ ਵਿੱਚ ਵਿਹਾਰਕ ਅਤੇ ਬੋਧਾਤਮਕ ਟੈਸਟ ਸਕੋਰਾਂ ਵਿੱਚ ਵਿਭਿੰਨਤਾਵਾਂ ਦੀ ਵਿਆਖਿਆ ਕਰਨ ਦੇ ਯੋਗ ਸੀ।
ਅਜਿਹੇ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਚਿਕਿਤਸਕ ਉਪਯੋਗ ਵੀ ਹੋ ਸਕਦੇ ਹਨ।" ਵੱਡੇ ਪੈਮਾਨੇ ਦੀ ਡਾਟਾ ਪ੍ਰੋਸੈਸਿੰਗ ਵੱਡੇ-ਡਾਟਾ ਨਿਊਰੋਸਾਇੰਸ ਐਪਲੀਕੇਸ਼ਨਾਂ ਲਈ, ਖਾਸ ਤੌਰ 'ਤੇ ਸਿਹਤਮੰਦ ਦਿਮਾਗੀ ਕਾਰਜ ਅਤੇ ਦਿਮਾਗੀ ਵਿਕਾਰ ਨੂੰ ਸਮਝਣ ਲਈ ਮਹੱਤਵਪੂਰਨ ਹੁੰਦੀ ਜਾ ਰਹੀ ਹੈ।
ਕੋਈ ਜਵਾਬ ਛੱਡਣਾ