2024 की कक्षा: कम्प्यूटेशनल तंत्रिका विज्ञान कार्यक्रम का पहला स्नातक 'अराजकता के किनारे' का अध्ययन करता है

टेलर केर्गन के शोध का उद्देश्य मस्तिष्क अनुसंधान में निदान और अन्वेषण के लिए मशीन से सीखे गए मॉडल का उपयोग करना है

टेलर केर्गन कैलगरी विश्वविद्यालय के हॉचकिस ब्रेन इंस्टीट्यूट में इतिहास बनाने में मदद कर रहे हैं। वह संस्थान के नए कम्प्यूटेशनल न्यूरोसाइंस (सीएन) अंतःविषय विशेषज्ञता कार्यक्रम के पहले स्नातक हैं। शरद ऋतु 2022 में लॉन्च किए गए इस कार्यक्रम ने केर्गन के लिए अन्वेषण और सीखने के नए क्षेत्र खोले, जिन्होंने विशेषज्ञता को भौतिकी में स्नातक अध्ययन के साथ जोड़ा।

अपने आकर्षक पाठ्यक्रम के माध्यम से कम्प्यूटेशनल तंत्रिका विज्ञान की ओर आकर्षित होकर, केर्गन के शोध ने मस्तिष्क से प्रेरित मशीन लर्निंग आर्किटेक्चर में गहराई से प्रवेश किया। मशीन लर्निंग एक प्रकार की तकनीक है जो कंप्यूटर को सीधे प्रोग्राम किए बिना डेटा से सीखने और समय के साथ सुधार करने की अनुमति देती है। केर्गन की थीसिस ने विकासवादी एल्गोरिदम और कण झुंड अनुकूलन का उपयोग करके तंत्रिका नेटवर्क को अनुकूलित करने का पता लगाया, जिसका लक्ष्य नेटवर्क को उनकी सर्वोत्तम संभव स्थिति में आरंभ करना है। उनका दीर्घकालिक लक्ष्य 'मस्तिष्क अनुसंधान में निदान और अन्वेषण के लिए मशीन-सीखे गए मॉडल का उपयोग करना है।

“हमने ट्रांसडिसिप्लिनरी प्रशिक्षण की आवश्यकता को पूरा करने और भौतिकी, तंत्रिका विज्ञान, मनोविज्ञान और कंप्यूटर विज्ञान में संकाय और छात्रों को एक साथ लाने के लिए कम्प्यूटेशनल न्यूरोसाइंस विशेषज्ञता बनाई है,” डॉ. सिग्ने ब्रे, पीएचडी, जिन्होंने कार्यक्रम को विकसित करने में मदद की, कहते हैं।

“यह क्षेत्र हमें नई तकनीकों को विकसित करने के साथ-साथ मस्तिष्क को बेहतर ढंग से समझने की अनुमति देता है। छात्रों को इन विषयों पर सोचने के लिए प्रशिक्षित करके, हम परिवर्तनकारी अंतर्दृष्टि और नवाचारों के द्वार खोल रहे हैं।”

केर्गन की सबसे गौरवपूर्ण उपलब्धियों में से एक “अराजकता के किनारे” का अध्ययन करना था – एक ऐसा बिंदु जहां मस्तिष्क जैसी प्रणालियों को अधिकतम लचीलेपन और दक्षता के लिए संचालित माना जाता है। इसे पूर्ण यादृच्छिकता और पूर्ण क्रम के बीच संतुलन के रूप में कल्पना करें। केर्गन के काम से पता चला कि मशीन लर्निंग नेटवर्क इस अराजक बिंदु के ठीक नीचे सबसे प्रभावी ढंग से काम करते हैं।

“सरल शब्दों में, नेटवर्क की सीखने और पैटर्न की भविष्यवाणी करने की क्षमता, जैसे ग्राफ़ पर अगले बिंदु की पहचान करना, सबसे मजबूत थी जब नेटवर्क में कनेक्शन अपेक्षा से थोड़ा अधिक स्थिर थे,” केर्गन कहते हैं। “इस खोज का अधिक कुशल और शक्तिशाली एआई मॉडल बनाने के लिए महत्वपूर्ण प्रभाव है।”

केर्गन के पर्यवेक्षक डॉ. विल्टेन निकोला का मानना ​​है कि इन निष्कर्षों से तंत्रिका व्यवहार को समझने के लिए अधिक सटीक मॉडल भी तैयार हो सकते हैं।

निकोला कहती हैं, “यह शोध वास्तव में कम्प्यूटेशनल तंत्रिका विज्ञान की शक्ति को उजागर करता है,” टेलर का काम मस्तिष्क कैसे काम करता है, इस बारे में मूल्यवान अंतर्दृष्टि प्रदान करता है। नियंत्रित तरीके से मस्तिष्क की प्रक्रियाओं की नकल करके, यह शोध भविष्य के मॉडल के लिए आधार तैयार करता है जो सक्षम होंगे एक मॉडल तंत्रिका नेटवर्क का उपयोग करके मस्तिष्क स्वास्थ्य में परिणामों की भविष्यवाणी करना।”

वर्तमान में कैलिफ़ोर्निया विश्वविद्यालय, सांता क्रूज़ में इलेक्ट्रिकल और कंप्यूटर इंजीनियरिंग में पीएचडी कर रहे केर्गन मस्तिष्क-प्रेरित हार्डवेयर में अपने शोध का विस्तार कर रहे हैं। उन्हें कम ऊर्जा का उपयोग करने वाले एआई सिस्टम बनाने का शौक है। एआई को वर्तमान में जटिल संगणनाओं को संचालित करने के लिए भारी मात्रा में बिजली की आवश्यकता होती है, जिससे महत्वपूर्ण कार्बन फुटप्रिंट होता है। केर्गन के पीएचडी शोध का उद्देश्य ऐसे हार्डवेयर विकसित करना है जो बहुत कम ऊर्जा का उपयोग करते हुए समान – यदि बेहतर नहीं – परिणाम उत्पन्न करता है। यह एआई को हरित और अधिक टिकाऊ बनाकर तकनीकी उद्योग में क्रांति ला सकता है।

टेलर दूसरों को कम्प्यूटेशनल न्यूरोसाइंस का पता लगाने के लिए प्रोत्साहित करता है, चाहे वह न्यूरो या गैर-न्यूरो पृष्ठभूमि से हो, जीव विज्ञान, डेटा और मानव प्रभाव के अद्वितीय प्रतिच्छेदन के लिए।

वह कहते हैं, “कॉम्प-न्यूरो प्रोग्राम ने मुझे अपने शोध को अधिक अच्छी तरह से विकसित पृष्ठभूमि के साथ करने की इजाजत दी,” कॉम्प-न्यूरो को जोड़कर मेरे समग्र ज्ञान आधार का विस्तार किया गया, जिससे मुझे मेरे आराम क्षेत्र से बाहर धकेल दिया गया और मैं इसके लिए बेहतर हूं! ”