आईआईएससी शोधकर्ता हाल के अध्ययन में मानव मस्तिष्क गतिविधि की खोज के लिए जीपीयू का उपयोग करते हैं

 आईआईएससी शोधकर्ता हाल के अध्ययन में मानव मस्तिष्क गतिविधि की खोज के लिए जीपीयू का उपयोग करते हैं


भारतीय विज्ञान संस्थान (आईआईएससी) के शोधकर्ताओं द्वारा विकसित एक नई ग्राफिक्स प्रोसेसिंग यूनिट (जीपीयू) आधारित मशीन लर्निंग एल्गोरिदम वैज्ञानिकों को मस्तिष्क के विभिन्न क्षेत्रों के बीच कनेक्टिविटी को बेहतर ढंग से समझने और भविष्यवाणी करने में मदद कर सकता है।

रेगुलराइज्ड, एक्सेलेरेटेड, लीनियर फासिकल इवैल्यूएशन या रीयल-लाइफ नामक एल्गोरिथम मानव मस्तिष्क के डिफ्यूजन मैग्नेटिक रेजोनेंस इमेजिंग (डीएमआरआई) स्कैन से उत्पन्न भारी मात्रा में डेटा का तेजी से विश्लेषण कर सकता है।

सोमवार को जारी आईआईएससी प्रेस विज्ञप्ति के अनुसार, रीयल-लाइफ का उपयोग करते हुए, टीम मौजूदा अत्याधुनिक एल्गोरिदम की तुलना में 150 गुना तेजी से डीएमआरआई डेटा का मूल्यांकन करने में सक्षम थी।

सेंटर फॉर न्यूरोसाइंस (सीएनएस), आईआईएससी के एसोसिएट प्रोफेसर और जर्नल में प्रकाशित अध्ययन के संबंधित लेखक देवराजन श्रीधरन ने कहा, “जिन कार्यों में पहले घंटों से लेकर दिनों तक का समय लगता था, उन्हें सेकंड से मिनटों में पूरा किया जा सकता है।” प्रकृति कम्प्यूटेशनल विज्ञान।

मस्तिष्क में हर सेकंड लाखों न्यूरॉन्स आग लगाते हैं, विद्युत दालों को उत्पन्न करते हैं जो मस्तिष्क में एक बिंदु से दूसरे तक कनेक्टिंग केबल या “अक्षतंतु” के माध्यम से न्यूरोनल नेटवर्क में यात्रा करते हैं। मस्तिष्क द्वारा किए जाने वाले संगणनाओं के लिए ये कनेक्शन आवश्यक हैं।

सीएनएस में पीएचडी छात्र और अध्ययन के पहले लेखक वर्षा श्रीनिवासन ने कहा, “मस्तिष्क-व्यवहार संबंधों को बड़े पैमाने पर उजागर करने के लिए मस्तिष्क कनेक्टिविटी को समझना महत्वपूर्ण है।” हालांकि, मस्तिष्क कनेक्टिविटी का अध्ययन करने के लिए पारंपरिक दृष्टिकोण आमतौर पर पशु मॉडल का उपयोग करते हैं, और आक्रामक होते हैं। दूसरी ओर, dMRI स्कैन, मनुष्यों में मस्तिष्क की कनेक्टिविटी का अध्ययन करने के लिए एक गैर-आक्रामक विधि प्रदान करता है।

मस्तिष्क के विभिन्न क्षेत्रों को जोड़ने वाले केबल (अक्षतंतु) इसके सूचना राजमार्ग हैं। क्योंकि अक्षतंतु के बंडल ट्यूबों के आकार के होते हैं, पानी के अणु उनके माध्यम से, उनकी लंबाई के साथ, एक निर्देशित तरीके से चलते हैं। डीएमआरआई वैज्ञानिकों को मस्तिष्क में तंतुओं के नेटवर्क का एक व्यापक नक्शा बनाने के लिए इस आंदोलन को ट्रैक करने की अनुमति देता है, जिसे कनेक्टोम कहा जाता है।

दुर्भाग्य से, इन संयोजकों को इंगित करना सीधा नहीं है। विज्ञप्ति में कहा गया है कि स्कैन से प्राप्त आंकड़े मस्तिष्क के प्रत्येक बिंदु पर केवल पानी के अणुओं का शुद्ध प्रवाह प्रदान करते हैं।

“कल्पना कीजिए कि पानी के अणु कार हैं। प्राप्त जानकारी सड़कों के बारे में कोई जानकारी के बिना अंतरिक्ष और समय में प्रत्येक बिंदु पर वाहनों की दिशा और गति है। हमारा काम इन ट्रैफिक पैटर्न को देखकर सड़कों के नेटवर्क का अनुमान लगाने जैसा है, ”श्रीधरन बताते हैं।

इन नेटवर्कों को सटीक रूप से पहचानने के लिए, पारंपरिक एल्गोरिदम अनुमानित डीएमआरआई सिग्नल से अनुमानित डीएमआरआई सिग्नल के साथ अनुमानित डीएमआरआई सिग्नल से निकटता से मेल खाते हैं।

वैज्ञानिकों ने पहले इस अनुकूलन को अंजाम देने के लिए LiFE (लीनियर फास्किकल इवैल्यूएशन) नामक एक एल्गोरिथम विकसित किया था, लेकिन इसकी एक चुनौती यह थी कि यह पारंपरिक सेंट्रल प्रोसेसिंग यूनिट्स (CPU) पर काम करता था, जिससे गणना में समय लगता था।

नए अध्ययन में, श्रीधरन की टीम ने अनावश्यक कनेक्शनों को हटाने सहित कई तरीकों से शामिल कम्प्यूटेशनल प्रयास को कम करने के लिए अपने एल्गोरिदम को बदल दिया, जिससे एलआईएफई के प्रदर्शन में काफी सुधार हुआ।

एल्गोरिथम को और तेज करने के लिए, टीम ने इसे विशेष इलेक्ट्रॉनिक चिप्स पर काम करने के लिए फिर से डिजाइन किया – जो हाई-एंड गेमिंग कंप्यूटरों में पाया जाता है – जिसे ग्राफिक्स प्रोसेसिंग यूनिट (जीपीयू) कहा जाता है, जिससे उन्हें 100-150 गुना तेज गति से डेटा का विश्लेषण करने में मदद मिली। पिछले दृष्टिकोण।

यह बेहतर एल्गोरिथम, रीयल-लाइफ, यह भी अनुमान लगाने में सक्षम था कि एक मानव परीक्षण विषय कैसे व्यवहार करेगा या एक विशिष्ट कार्य करेगा।

दूसरे शब्दों में, प्रत्येक व्यक्ति के लिए एल्गोरिदम द्वारा अनुमानित कनेक्शन ताकत का उपयोग करके, टीम 200 प्रतिभागियों के समूह में व्यवहार और संज्ञानात्मक परीक्षण स्कोर में भिन्नताओं को समझाने में सक्षम थी।

इस तरह के विश्लेषण में चिकित्सा अनुप्रयोग भी हो सकते हैं। श्रीनिवासन कहते हैं, “बड़े डेटा न्यूरोसाइंस अनुप्रयोगों के लिए बड़े पैमाने पर डेटा प्रोसेसिंग तेजी से जरूरी होता जा रहा है, खासकर स्वस्थ मस्तिष्क समारोह और मस्तिष्क विकृति को समझने के लिए।”

उदाहरण के लिए, प्राप्त कनेक्टोम का उपयोग करके, टीम अल्जाइमर रोगियों में व्यवहारिक रूप से प्रकट होने से पहले उम्र बढ़ने या मस्तिष्क समारोह में गिरावट के शुरुआती संकेतों की पहचान करने में सक्षम होने की उम्मीद करती है।

श्रीधरन कहते हैं, “एक अन्य अध्ययन में, हमने पाया कि रीयल-लाइफ का पिछला संस्करण अल्जाइमर रोग के रोगियों को स्वस्थ नियंत्रण से अलग करने के लिए अन्य प्रतिस्पर्धी एल्गोरिदम से बेहतर कर सकता है।”

उन्होंने कहा कि उनका GPU- आधारित कार्यान्वयन बहुत सामान्य है, और इसका उपयोग कई अन्य क्षेत्रों में अनुकूलन समस्याओं से निपटने के लिए भी किया जा सकता है।




Credit

Avatar of Sareideas

Sareideas

Leave a Reply

Your email address will not be published.

%d bloggers like this: