Connect with us

विज्ञान

How the next major breakthrough in cancer could come from India

Published

on

How the next major breakthrough in cancer could come from India

आधुनिक कैंसर अनुसंधान जीन के अध्ययन से निकटता से जुड़ा हुआ है, जिसमें वेरिएंट पर विशेष ध्यान दिया जाता है। छवि का उपयोग केवल प्रतिनिधित्वात्मक उद्देश्यों के लिए किया गया है | फोटो क्रेडिट: गेटी इमेजेज/आईस्टॉकफोटो

विश्व स्वास्थ्य संगठन (डब्ल्यूएचओ) की रिपोर्ट के अनुसार, 2022 में लगभग 20 मिलियन नए कैंसर के मामले दर्ज किए गए, 2050 तक यह आंकड़ा सालाना 35 मिलियन से अधिक होने का अनुमान है। भारत में यह वृद्धि उतनी ही तीव्र है। जबकि भारतीय चिकित्सा अनुसंधान परिषद ने 2024 में कैंसर की घटनाओं का अनुमान 1.5 मिलियन होने का अनुमान लगाया है, WHO के अनुमानों से संकेत मिलता है कि देश में 2045 तक लगभग 2.5 मिलियन मामले होंगे। महामारी के विपरीत, कैंसर की घटनाएं लगातार बढ़ रही हैं दुनिया भर में पाँच दशकों तक, बढ़ती आबादी, शहरी जीवनशैली और पर्यावरणीय जोखिमों के कारण। और इन स्तरों पर, कैंसर एक संरचनात्मक स्वास्थ्य चुनौती बन गया है। लेकिन उस चुनौती के भीतर अवसर भी है – शायद कैंसर का पता लगाने, वर्गीकरण और प्रबंधन में एक नई सीमा। और वह अवसर भारत में हो सकता है।

हम क्या सीख सकते हैं

इतिहास संदर्भ प्रदान करता है: भारत के पोलियो टीकाकरण अभियान के कारण हम 2014 में पोलियो मुक्त हो गए। इससे अफ्रीका सहित विश्व स्तर पर उन्मूलन प्रयासों में वृद्धि हुई। लगभग उसी समय, भारतीय फार्मास्युटिकल कंपनियों ने पहुंच बढ़ाई एचआईवी/एड्स उपचार किफायती एंटीरेट्रोवाइरल जेनरिक के बड़े पैमाने पर उत्पादन के माध्यम से, जिसने अफ्रीका और अन्य निम्न और मध्यम आय वाले देशों में कवरेज का काफी विस्तार किया। सबक यह नहीं है कि ये बीमारियाँ कैंसर का प्रतिबिम्ब हैं; यह वह पैमाना है और अनुकूली नीति वैश्विक प्रभाव पैदा कर सकती है। अब कैंसर के लिए ऐसे पैमाने की मांग की जानी चाहिए।

आधुनिक कैंसर अनुसन्धान वेरिएंट पर विशेष ध्यान देने के साथ, जीन के अध्ययन से निकटता से जुड़ा हुआ है। प्रत्येक ट्यूमर प्रकार विशिष्ट प्रकार से जुड़ा होता है, और वैज्ञानिक कई रोगियों में पैटर्न की पहचान करने के लिए इनकी विस्तार से जांच करते हैं। आनुवांशिक जानकारी के बड़े पूल के साथ मिलकर विश्लेषण करने से, शोधकर्ता यह पता लगा सकते हैं कि कौन से जीन दोहराए जाते हैं, वे कैंसर को कैसे प्रभावित करते हैं, और कौन से उपचार सफल होने की अधिक संभावना है। डेटासेट जितना अधिक विविध और बड़ा होगा, ऐसी कटौतियों की सटीकता उतनी ही अधिक होगी। भारत दुनिया में सबसे अधिक आनुवंशिक रूप से विविध आबादी का घर है। 1982 में शुरू हुआ इसका राष्ट्रीय कैंसर रजिस्ट्री कार्यक्रम, कुछ कमियों के साथ, देश भर में बड़ी संख्या में आबादी और अस्पताल-आधारित रजिस्ट्रियों से जानकारी एकत्र करता है। साथ ही, निचला अगली पीढ़ी अनुक्रमण (एनजीएस) अधिकांश पश्चिमी प्रणालियों की तुलना में लागत अधिक लागत प्रभावी आनुवंशिक नमूनाकरण की ओर ले जाती है।

और, फिर से, वैश्विक संदर्भ मायने रखता है। अमेरिका और कुछ यूरोपीय क्षेत्रों में, बायोमेडिकल अनुसंधान परिदृश्य सिकुड़ते अनुदान चक्र और बढ़ती परिचालन लागत से जूझ रहा है। इसके विपरीत, चीन ने पिछले दशक में घरेलू कैंसर अनुसंधान में वृद्धि की है। लेकिन इसके आंतरिक और अब भू-राजनीतिक संदेह ने किसी भी वैश्विक सहयोग में जटिलता की एक परत जोड़ दी है। यह भारत के लिए उसी तरह एक विश्वसनीय सहयोगी बनने की गुंजाइश बनाता है जैसे वह फार्मा क्षेत्र के लिए सहयोगी रहा है, खासकर निम्न और मध्यम आय वाले देशों (एलएमआईसी) के लिए जिन्हें अक्सर जीनोमिक अध्ययनों में नजरअंदाज कर दिया गया है।

नीति में बदलाव

हालाँकि, अकेले क्षमता से सफलताएँ नहीं मिलतीं। हमारी समग्र नीति में कैंसर का इलाज सार्वजनिक स्वास्थ्य प्राथमिकता के रूप में शुरू हो गया है, जो सही दिशा में एक कदम है। बजट 2025-26 ने कैंसर देखभाल केंद्रों के लिए वित्त पोषण का विस्तार किया, कैंसर की दवाओं पर सीमा शुल्क कम किया गया और डिजिटल स्वास्थ्य प्रणालियों में निवेश किया। आयुष्मान भारत जैसे कार्यक्रम कैंसर के इलाज तक पहुंच बढ़ा रहे हैं। भारत का चिकित्सा पर्यटन उद्योग 2026 तक 12 बिलियन अमेरिकी डॉलर से अधिक होने की उम्मीद है, और ऑन्कोलॉजी सबसे तेजी से बढ़ते क्षेत्रों में से एक है। हर साल सैकड़ों-हजारों विदेशी मरीज़ कई पश्चिमी देशों की तुलना में काफी कम कीमतों पर परिष्कृत कैंसर उपचार के लिए भारत आते हैं। इसके परिणामस्वरूप, लंबे समय में, भारतीय कैंसर केंद्रों को विविध प्रकार की आनुवंशिक पृष्ठभूमि और रोग प्रस्तुतियों में व्यापक अनुभव प्राप्त हुआ है। मजबूत नैतिक ढांचे के साथ ये एकत्रित अंतर्दृष्टि भारत से बाहर अनुसंधान के लिए जीनोमिक विविधताओं और वैश्विक प्रासंगिकता के बारे में हमारे ज्ञान को बढ़ा सकती है।

विनियमन भी विकसित होना चाहिए। सेंट्रल ड्रग्स स्टैंडर्ड कंट्रोल ऑर्गनाइजेशन के जनवरी 2026 ऑन्कोलॉजी डिवाइस वर्गीकरण में 75+ कैंसर से संबंधित उपकरणों की पहचान की गई है, जिन्हें मुख्य रूप से विकिरण प्रणाली, सर्जिकल उपकरण और चिकित्सीय उपकरण में वर्गीकृत किया गया है। यह प्रासंगिक है. हालाँकि, अन्य महत्वपूर्ण विचार जो वैश्विक संदर्भ में कैंसर के लिए सूचित उपचार निर्णयों में प्रमुखता प्राप्त कर रहा है, वह व्यापक जीनोमिक प्रोफाइलिंग है। इसे परिप्रेक्ष्य में रखने के लिए, अमेरिकी खाद्य एवं औषधि प्रशासन ने एनजीएस-आधारित कैंसर निदान की एक श्रृंखला को मंजूरी दे दी है जो रोगियों को लक्षित उपचारों की ओर इंगित करती है। यदि भारत को डेटा-संचालित ऑन्कोलॉजी में एवेन्यू लीडर बनना है, तो नियामक व्यवस्थाओं को एक ऐसी सेटिंग को औपचारिक बनाने की आवश्यकता है जिसमें रूपरेखाएं चिकित्सीय से परे प्लेटफार्मों को समायोजित कर सकें।

ऑन्कोलॉजी में अगली छलांग

कैंसर दुनिया भर में मृत्यु का दूसरा प्रमुख कारण है और सभी देशों में कैंसर का बोझ बढ़ रहा है। अगली बड़ी सफलता कोई नई चमत्कारिक दवा या जीन थेरेपी नहीं हो सकती; यह बेहतर पहचान उपकरण, जोखिम की भविष्यवाणी के लिए स्पष्ट तरीके और व्यापक आनुवंशिक अंतर्दृष्टि हो सकता है। जो देश अपने डेटा से तेजी से सीखेगा वही ऑन्कोलॉजी का भविष्य बनेगा। जब भारत इस नवाचार पर विचार करता है, तो यह वैश्विक कैंसर देखभाल को संचालित करने वाले साक्ष्य को आकार देने में मदद करना शुरू कर सकता है। हमारे पास पैमाना है. अब हमें इसके अनुरूप सिस्टम डिजाइन करने की जरूरत है।

(विकास पवार हैदराबाद स्थित एक्ससेजेन जीनोमिक्स का हिस्सा हैं, जो कैंसर निदान पर केंद्रित कंपनी है। vikaspawar@exsegen.com)

Continue Reading
Click to comment

Leave a Reply

Your email address will not be published. Required fields are marked *

विज्ञान

Science Snapshots: March 1, 2026

Published

on

By

Science Snapshots: March 1, 2026

नासा के MAVEN मिशन के डेटा का उपयोग करके वैज्ञानिकों ने एक प्रकार की रेडियो तरंग का पता लगाया है जिसे व्हिसलर कहा जाता है। | फोटो साभार: नासा

रेडियो सीटी मंगल ग्रह पर बिजली गिरने का पहला स्पष्ट संकेत है

वैज्ञानिकों ने मंगल ग्रह पर बिजली गिरने का पहला स्पष्ट प्रमाण बताया है। नासा के MAVEN मिशन के डेटा का उपयोग करते हुए, उन्होंने एक प्रकार की रेडियो तरंग का पता लगाया जिसे व्हिसलर कहा जाता है। पृथ्वी पर, बिजली गिरने से सीटी बजती है और इन्हें यह नाम इसलिए मिला क्योंकि जब वे वायुमंडल में कणों के बीच से यात्रा करते हैं तो उनकी आवाज उतरती हुई सीटी की तरह होती है। अध्ययन में कहा गया है कि मंगल ग्रह की सतह के पास एक समान विद्युत निर्वहन हुआ, जो संभवतः तूफान के दौरान विद्युत आवेशित धूल कणों से उत्पन्न हुआ था।

चावल के दानों की असामान्य प्रतिक्रिया ‘स्मार्ट’ सामग्री को प्रेरित करती है

जबकि रेत जैसी अधिकांश दानेदार सामग्री तेजी से निचोड़ने पर संपीड़ित करना कठिन हो जाती है, चावल के दाने इसके विपरीत करते हैं। ऐसा तेज गति से गिरने वाले चावल के दानों के बीच घर्षण के कारण होता है, जिससे वे एक-दूसरे से फिसल जाते हैं। इस खोज का उपयोग करते हुए, शोधकर्ताओं ने चावल के एक कक्ष को रेत के साथ मिलाकर एक सामग्री बनाई, जो लागू बल की गति के आधार पर विपरीत दिशाओं में झुकती है। ऐसी सामग्रियां इंजीनियरों को बेहतर सुरक्षात्मक गियर डिजाइन करने में मदद कर सकती हैं।

रक्त में प्रोटीन ‘सार्वभौमिक’ उम्र बढ़ने वाला मार्कर हो सकता है

वैज्ञानिकों ने पाया है कि रक्त में न्यूरोफिलामेंट लाइट चेन (एनएफएल) नामक प्रोटीन उम्र बढ़ने का एक सार्वभौमिक मार्कर हो सकता है। शरीर की उम्र बढ़ने के साथ एनएफएल तंत्रिका कोशिकाओं से रक्त में ‘रिसने’ लगता है। मनुष्यों, चूहों, बिल्लियों, कुत्तों और घोड़ों के रक्त के नमूनों में इन प्रजातियों में उम्र के साथ एनएफएल का स्तर लगातार बढ़ रहा था। लंबे समय तक जीवित रहने वाली प्रजातियों में शुरुआती एनएफएल स्तर भी कम था। खोज से पता चलता है कि रक्त परीक्षण का उपयोग यह जांचने के लिए किया जा सकता है कि कोई व्यक्ति कितनी तेजी से बूढ़ा हो रहा है।

Continue Reading

विज्ञान

Team aims world’s smallest QR code at long-term data storage

Published

on

By

Team aims world’s smallest QR code at long-term data storage

टीम क्यूआर कोड का परीक्षण करती है। | फोटो साभार: टीयू वियेन

एक क्यूआर कोड को सूक्ष्म जीव के आकार में छोटा करके, वियना यूनिवर्सिटी ऑफ टेक्नोलॉजी (टीयू विएन) और जर्मन-ऑस्ट्रियाई स्टार्ट-अप सेराबाइट के शोधकर्ताओं ने दिखाया है कि डिजिटल दुनिया का भविष्य सिरेमिक पर निर्भर हो सकता है, जो मनुष्यों के लिए ज्ञात सबसे पुरानी और सबसे टिकाऊ सामग्रियों में से एक है।

3 दिसंबर को टीम ने एक सुरक्षित स्थान हासिल किया गिनीज वर्ल्ड रिकॉर्ड दुनिया के सबसे छोटे QR कोड के लिए. लगभग 2 वर्ग माइक्रोमीटर में फैला यह कोड पिछले रिकॉर्ड धारक के आकार का लगभग एक तिहाई है और एक जीवाणु से भी छोटा है। जबकि छवि अपने आप में एक उपलब्धि है, टीम के तरीके मनुष्यों को अपनी डिजिटल विरासत को संग्रहीत करने का एक नया तरीका भी प्रदान करते हैं।

इस परियोजना का नेतृत्व टीयू विएन में सामग्री विज्ञान और प्रौद्योगिकी संस्थान के प्रमुख पॉल मेयरहोफर ने शोधकर्ताओं इरविन पेक और बालिंट हाजस के साथ किया था। और वे डेटा सड़ांध से प्रेरित थे: चुंबकीय और इलेक्ट्रॉनिक भंडारण मीडिया का अपरिहार्य क्षय।

हार्ड ड्राइव और चुंबकीय टेप जैसे वर्तमान भंडारण समाधान लगभग 10 से 30 वर्षों तक चलते हैं। उन्हें संचालित करने और ठंडा करने के लिए बिजली की आपूर्ति की आवश्यकता होती है, और नुकसान को रोकने के लिए उनके द्वारा संग्रहीत डेटा को नए हार्डवेयर में कॉपी करने की आवश्यकता होती है। टीयू वीन टीम ने स्थायी और शून्य-ऊर्जा विकल्प के रूप में सिरेमिक-आधारित भंडारण की खोज की।

कोड बनाने के लिए, शोधकर्ताओं ने परमाणु-स्केल इंजीनियरिंग के पक्ष में पारंपरिक मुद्रण तकनीकों को छोड़ दिया, विशेष रूप से फोकस्ड आयन बीम मिलिंग नामक तकनीक को।

उन्होंने क्रोमियम नाइट्राइड की 15-एनएम-मोटी परत में लेपित एक ग्लास सब्सट्रेट के साथ शुरुआत की, एक सिरेमिक जो आमतौर पर औद्योगिक काटने वाले उपकरणों को कोट करने के लिए उपयोग किया जाता है क्योंकि यह बहुत कठोर होता है और गर्मी और संक्षारण का प्रतिरोध करने में उत्कृष्ट होता है। चाकू के रूप में विद्युत आवेशित परमाणुओं की एक धारा का उपयोग करते हुए, शोधकर्ताओं ने क्यूआर कोड को सीधे सिरेमिक फिल्म में उकेरा।

29 x 29 ग्रिड में प्रत्येक व्यक्तिगत पिक्सेल केवल 49 एनएम मापा गया। चूँकि ये पिक्सेल दृश्य प्रकाश की तरंग दैर्ध्य से लगभग दस गुना छोटे थे, इसलिए मानक ऑप्टिकल माइक्रोस्कोप से कोड को देखना शारीरिक रूप से असंभव है। कार्य को सत्यापित करने के लिए, टीम ने वियना विश्वविद्यालय में एक कैलिब्रेटेड स्कैनिंग इलेक्ट्रॉन माइक्रोस्कोप का उपयोग किया, जो छोटी संरचनाओं को हल करने के लिए प्रकाश के बजाय इलेक्ट्रॉनों का उपयोग करता है।

इस प्रयास से यह भी साबित हुआ कि सिरेमिक भंडारण 130 बिट प्रति वर्ग माइक्रोमीटर की सूचना घनत्व तक पहुंच सकता है, जिसका अर्थ है कि एक ए4 आकार की सिरेमिक शीट 2 टीबी से अधिक डेटा रख सकती है। यह वर्तमान में लगभग 20 बिट्स/μm के बीच है2 LTO-9 चुंबकीय टेप और 1,500-3,000 बिट्स/μm2 आधुनिक हार्ड ड्राइव का.

प्लास्टिक-आधारित टेप या चुंबकीय डिस्क के विपरीत, क्रोमियम नाइट्राइड रासायनिक रूप से निष्क्रिय और शारीरिक रूप से स्थिर है और बिना नष्ट हुए आग, पानी और सहस्राब्दियों तक जीवित रह सकता है। और क्योंकि डेटा को विद्युत चुम्बकीय अवस्थाओं के विन्यास में संग्रहीत करने के बजाय खोदा गया है, इसे बनाए रखने के लिए शक्ति की आवश्यकता नहीं है, संभावित रूप से बड़े कार्बन फुटप्रिंट वाले डेटा केंद्रों की आवश्यकता को दरकिनार कर दिया गया है।

हालाँकि इसे पुनः प्राप्त करने के लिए एक शक्तिशाली और महंगे माइक्रोस्कोप की आवश्यकता होती है, हालाँकि टीम ने कहा है कि वह इस उद्देश्य के लिए औद्योगिक उपयोग के लिए उच्च गति वाले लेजर लेखन और ऑप्टिकल रीडिंग सिस्टम विकसित कर रही है।

यह उपलब्धि माइक्रोसॉफ्ट के प्रोजेक्ट सिलिका के समान है, जहां शोधकर्ता लंबे समय तक चलने वाले उच्च-घनत्व डेटा भंडारण को विकसित करने के उद्देश्य से उच्च गति वाले लेजर का उपयोग करके ग्लास की परतों में डेटा को एन्कोड कर रहे हैं।

Continue Reading

विज्ञान

Artificial Intelligence: What water turning to vapour and the way AI learns have in common

Published

on

By

Artificial Intelligence: What water turning to vapour and the way AI learns have in common

कृत्रिम बुद्धिमत्ता (एआई) मॉडल जैसे चैटजीपीटी, क्लाउडऔर मिथुन अक्सर यह आभास देते हैं कि मशीन के भीतर एक दिमाग काम कर रहा है। इन दिनों वे प्रश्नों के उत्तर में “सोचें”।वापस जाएं और खुद को सुधारें, गलतियों के लिए माफी मांगें, और मानव संचार के कई तरीकों की नकल करें।

हालाँकि आज तक इस बात का कोई प्रत्यक्ष भौतिक प्रमाण नहीं है कि मशीनी दिमाग का अस्तित्व होता है। वास्तव में, यह विश्वास करने का अच्छा कारण है कि ये मशीनें जो कर रही हैं जब वे कहती हैं कि वे “सोच” रही हैं तो वास्तव में एक भौतिक घटना से निपट रही हैं।

यह भी पढ़ें | विचार की अंतिम सीमा पर: क्या AI रचनात्मकता को ख़त्म कर देगा?

1980 के दशक में, जॉन हॉपफील्ड और जेफ्री हिंटन के नेतृत्व में भौतिकविदों के एक समूह ने महसूस किया कि यदि आपके पास लाखों न्यूरॉन्स वाला नेटवर्क है, तो आप उन्हें व्यक्तिगत ‘कणों’ के रूप में मानना ​​​​बंद कर सकते हैं और उन्हें एक प्रणाली के रूप में संबोधित करना शुरू कर सकते हैं। और इन प्रणालियों के व्यवहार और गुणों को थर्मोडायनामिक्स और सांख्यिकीय यांत्रिकी के नियमों द्वारा वर्णित किया जा सकता है।

होपफील्ड और हिंटन ने जीत हासिल की इस कार्य के लिए 2024 में भौतिकी का नोबेल पुरस्कार. में प्रकाशित अध्ययनों की एक जोड़ी शारीरिक समीक्षा ई उसी विचार को दोहराते हुए दिखाया गया है कि एआई मॉडल को बेहतर बनाने के लिए इंजीनियरों द्वारा उपयोग की जाने वाली दो सामान्य ‘ट्रिक्स’ भी ऐसी ही भौतिक घटनाएं हैं।

कण्डरा एड़ी

तंत्रिका नेटवर्क मानव मस्तिष्क में न्यूरॉन्स की तरह एक दूसरे से जुड़े प्रोसेसर का एक नेटवर्क है और जो मस्तिष्क की तरह जानकारी सीखता है और उसका उपयोग करता है। उन्हें कई परतों में भी रखा जा सकता है, ताकि एक परत अगली के लिए इनपुट तैयार कर सके और इसी तरह। न्यूरल नेटवर्क जेनरेटिव एआई, सेल्फ-ड्राइविंग कार, कंप्यूटर विज़न और मॉडलिंग जैसे मशीन लर्निंग अनुप्रयोगों के केंद्र में हैं।

उनके पास एक अकिलीज़ हील भी है जिसे ओवरफिटिंग कहा जाता है: एक नेटवर्क अपने प्रशिक्षण के दौरान देखे गए कुछ विशिष्ट उदाहरणों से इतना ग्रस्त हो जाता है कि वह व्यापक पैटर्न को समझने में विफल हो जाता है। इसे रोकने के लिए इंजीनियरों ने कुछ तकनीकें विकसित की हैं। उदाहरण के लिए, अक्टूबर 2025 का पेपर ऑक्सफोर्ड विश्वविद्यालय और प्रिंसटन विश्वविद्यालय के शोधकर्ताओं फ्रांसेस्को मोरी और फ्रांसेस्का मिग्नाको ने ड्रॉपआउट नामक तकनीक पर ध्यान केंद्रित किया। प्रशिक्षण के दौरान, तंत्रिका नेटवर्क को अपने न्यूरॉन्स के एक निश्चित प्रतिशत को यादृच्छिक रूप से बंद करने के लिए बनाया जाता है, जिससे शेष लोगों को अधिक मेहनत करने और अवधारणाओं को स्वतंत्र रूप से सीखने के लिए मजबूर किया जाता है।

फ़्लैटिरॉन इंस्टीट्यूट और न्यूयॉर्क यूनिवर्सिटी के अब्दुलकादिर कैनटार और सूयेओन चुंग ने अपने जीवन में सहिष्णुता नामक बाधा की ओर रुख किया। अगस्त पेपर. उन्होंने विश्लेषण किया कि क्या होता है जब एआई को एक छोटी सीमा के भीतर आने वाली किसी भी त्रुटि को नजरअंदाज करने के लिए कहा जाता है। इसलिए हर छोटी विसंगति को ठीक करने की कोशिश करने के बजाय, नेटवर्क किसी भी उत्तर को ‘काफी करीब’ मानता है और उसे काफी अच्छा मानता है।

जबकि ड्रॉपआउट और सहिष्णुता अलग-अलग प्रोग्रामिंग विकल्पों की तरह दिखते हैं, दोनों पेपर के लेखकों ने (अलग-अलग) जोर देकर कहा कि वे दोनों एक ही अंतर्निहित भौतिक घटना द्वारा शासित हैं।

शिक्षक-छात्र प्रयोग

दोनों जोड़ी ने यह समझाने के लिए शिक्षक-छात्र रूपरेखा नामक एक उपकरण का उपयोग किया। टीचर एक तंत्रिका नेटवर्क है जो पहले से ही डेटासेट से परिचित है जबकि स्टूडेंट एक नेटवर्क है जो पूरी तरह से खाली शुरू हो रहा है। छात्र का लक्ष्य उसी डेटासेट को सीखना है जब तक कि उसकी आंतरिक सेटिंग्स शिक्षक की सेटिंग्स के साथ संरेखित न हो जाएं।

मोरी और मिग्नाको ने लिखा कि सबसे पहले, छात्र एक “अविशिष्ट चरण” में फंस गया था जब उसके सभी न्यूरॉन्स एक ही काम कर रहे थे। लेखकों के गणितीय मॉडल में, यह त्रुटि ग्राफ़ में एक पठार, या एक सपाट रेखा के रूप में दिखाई देता है, और यह दर्शाता है कि छात्र सीख नहीं रहा था।

सीखने के तीन चरण. | फोटो साभार: भौतिक. रेव. ई 112, 045301

इसलिए उन्होंने तर्क दिया कि विद्यार्थी को होशियार बनने के लिए पहले उसे “विशेषज्ञता परिवर्तन” से गुजरना होगा। भौतिक विज्ञानी ऐसे संक्रमणों से परिचित हैं क्योंकि वे तरल पानी के वाष्प में बदलने का वर्णन करने के लिए उसी गणित का उपयोग करते हैं, इस प्रक्रिया को चरण संक्रमण कहा जाता है।

मोरी और मिग्नाको ने बताया कि न्यूरॉन्स को बेतरतीब ढंग से बंद करके, ड्रॉपआउट ने सिस्टम में एक निश्चित मात्रा में शोर इंजेक्ट किया, जिसने नेटवर्क को उसके पठार से बाहर और विशेष बुद्धिमत्ता की ओर धकेल दिया – एक चरण संक्रमण। यह विवरण हॉपफील्ड और हिंटन के काम से भी मेल खाता है, जिन्होंने साबित किया कि तंत्रिका नेटवर्क की ऊर्जा एक वास्तविक चीज़ है, जिसमें हेरफेर करके नेटवर्क को बेहतर प्रदर्शन के लिए बनाया जा सकता है।

उन्होंने एक सूत्र की भी सूचना दी जिसके बारे में उन्होंने कहा कि यह अनुमानित आदर्श ड्रॉपआउट दर का पता लगा सकता है: सक्रियण संभावना से संबंधित, जो कि एक न्यूरॉन इनपुट के दिए गए सेट के लिए एक विशेष आउटपुट को सीखने की दर, शोर स्तर और शिक्षक और छात्र नेटवर्क की सीखने की क्षमता से बाहर निकालता है।

परमाणुओं की तरह

कैनाटर और चुंग ने यह भी पाया कि नेटवर्क पर सहिष्णुता को बदलने के परिणामों को भौतिकी के नियमों का उपयोग करके वर्णित किया जा सकता है, जिसे उन्होंने डबल-डिसेंट समस्या पर अपने निष्कर्षों को लागू करके चित्रित किया है। जब आप किसी नेटवर्क को अधिक डेटा देते हैं, तो उसका प्रदर्शन अचानक बेहतर होने से पहले कभी-कभी खराब हो जाता है। कैनाटर और चुंग के अनुसार, जब कोई नेटवर्क उतने ही उदाहरण सीखता है जितनी उसकी आंतरिक सेटिंग्स होती हैं, तो वह एक ऐसे बिंदु पर पहुंच जाता है जहां वह अधिक जानकारी की तलाश में होता है। जब उसे वह जानकारी नहीं मिलती है, तो वह अपने रास्ते में आने वाली हर समस्या के बारे में जो कुछ पहले से ही ‘जानता है’ उस पर हावी होना शुरू कर देता है।

उन्होंने कहा, मशीन इस ओवरफिटिंग चरण तक नहीं पहुंचती है क्योंकि इसका एल्गोरिदम त्रुटिपूर्ण है, बल्कि इसलिए क्योंकि इसके लाखों पैरामीटर परमाणुओं के एक संग्रह की तरह हैं जो एक चरण संक्रमण से गुजरने की कोशिश कर रहे हैं, और असफल हो रहे हैं, उन्होंने कहा। परिणामस्वरूप, न्यूरॉन्स की गणना के परिणाम त्रुटियों से भरे हुए हैं।

समाधान? “कैनाटार और चुंग ने … सहनशीलता के एक महत्वपूर्ण मूल्य को उजागर किया जो दो व्यवस्थाओं को अलग करता है: एक जिसमें तंत्रिका नेटवर्क प्रशिक्षण डेटा को पूरी तरह से फिट करता है और दूसरा जिसमें अति अनुकूलन से बचा जाता है। भौतिक दृष्टि से, यह शासन क्रॉसओवर एक … चरण संक्रमण से मेल खाता है,” पेरिस-सैकले विश्वविद्यालय और फ्रेंच नेशनल सेंटर फॉर साइंटिफिक रिसर्च के एक शोधकर्ता ह्यूगो कुई ने एक टिप्पणी में लिखा है भौतिक विज्ञान.

कुछ सीमाएँ

मोरी और मिग्नाको दो-परत तंत्रिका नेटवर्क के साथ काम कर रहे थे, जो कि बड़े, बहु-स्तरीय गहन शिक्षण नेटवर्क की तुलना में एक खिलौना मॉडल की तरह है जो चैटजीपीटी या सेल्फ-ड्राइविंग कारों जैसे एआई मॉडल को शक्ति प्रदान करता है। बहरहाल, उन्होंने लिखा है कि जिन “तंत्रों” का उन्होंने खुलासा किया है, वे “ड्रॉपआउट से प्रेरित प्रदर्शन सुधार को चलाने वाले तंत्रों के बारे में कई खुले प्रश्नों” का उत्तर देते हैं।

दूसरी ओर, कैनाटर और चुंग ने अपने समीकरणों को रेसनेट पर लागू किया, जो एक उन्नत प्रकार का तंत्रिका नेटवर्क है जिसका उपयोग कंप्यूटर दृष्टि जैसी वास्तविक दुनिया की समस्याओं को हल करने के लिए किया जाता है। उन्होंने कहा कि इस सेटअप में भी, वही ज्यामितीय और थर्मोडायनामिक नियम सत्य हैं जो उन्होंने अपने सरल मॉडल में पाए थे।

अब दशकों से, इंजीनियरों ने अक्सर मशीन लर्निंग को एक प्रकार के ‘ब्लैक बॉक्स’ के रूप में माना है, जहां वे कोड के साथ तब तक छेड़छाड़ करते हैं जब तक यह काम नहीं करता है, लेकिन यह समझे बिना कि यह क्यों काम करता है। हालाँकि, 1980 के दशक में, यह धारणा प्रचलित थी कि मशीन इंटेलिजेंस एक जटिल उत्पाद है, लेकिन फिर भी सांख्यिकीय यांत्रिकी का एक उत्पाद है, जिसे भौतिक विज्ञानी बहुत अच्छी तरह से समझते हैं। इस तर्क के अनुसार, मशीन की आंतरिक कार्यप्रणाली इतनी गूढ़ नहीं है जितनी कि एक भौतिक प्रणाली जिसे स्नातक भौतिकी का उपयोग करके समझा जा सकता है।

ये अध्ययन एक ऐसे भविष्य का सुझाव देते हैं जहां वैज्ञानिक एआई मॉडल को चालू करने से पहले ही उसके प्रदर्शन का अनुमान लगाने के लिए कागजात में दिए गए विश्लेषणात्मक सिद्धांतों का उपयोग कर सकते हैं।

mukunth.v@thehindu.co.in

प्रकाशित – 02 मार्च, 2026 07:30 पूर्वाह्न IST

Continue Reading

Trending