गुवाहाटी: क्या हो अगर कोई कंप्यूटर इंसानी दिमाग की तरह चेहरा पहचान सके या ट्रैफ़िक के दृश्य को समझ सके, और इसके लिए उसे इमेज कैप्चर करने, स्टोर करने और प्रोसेस करने वाले अलग-अलग हिस्सों के बीच डेटा को इधर-उधर न करना पड़े?
IIT गुवाहाटी के रिसर्चर्स ने IIT खड़गपुर के साथ मिलकर इंसानी दिमाग से प्रेरित एक लाइट-सेंसिटिव डिवाइस बनाया है। यह डिवाइस इन सभी कामों को एक साथ करता है और लैब टेस्ट में पारंपरिक MXene-आधारित डिवाइस की तुलना में 500 गुना कम ऊर्जा की खपत करता है।
यह बहुत पतला डिवाइस रोशनी का पता लगा सकता है, रोशनी का स्रोत बंद होने के बाद भी जानकारी को याद रख सकता है, और बार-बार रोशनी के सिग्नल मिलने पर अपनी प्रतिक्रिया को और मज़बूत कर सकता है। रिसर्चर्स का कहना है कि इस तकनीक का इस्तेमाल फेशियल रिकग्निशन, रोबोटिक विज़न, ट्रैफ़िक मॉनिटरिंग और अन्य इंटेलिजेंट कंप्यूटिंग सिस्टम में किया जा सकता है।
यह इनोवेशन पारंपरिक इलेक्ट्रॉनिक विज़न सिस्टम की एक बड़ी चुनौती को हल करता है, जिसमें कैमरे इमेज कैप्चर करते हैं, मेमोरी यूनिट डेटा स्टोर करती हैं और प्रोसेसर उनका विश्लेषण करते हैं। इन हिस्सों के बीच जानकारी को इधर-उधर करने में ऊर्जा की खपत होती है और प्रोसेसिंग धीमी हो सकती है।
इसके विपरीत, इंसानी दिमाग अनुभव से पहले से जमा जानकारी का इस्तेमाल करके जानी-पहचानी चीज़ों को तेज़ी से पहचान सकता है। IIT के रिसर्चर्स ने एक इलेक्ट्रॉनिक डिवाइस में इस क्षमता के कुछ पहलुओं को दोहराने की कोशिश की है।
इस अंतर को समझाते हुए, रिसर्च के मुख्य लेखक और IIT गुवाहाटी के फिजिक्स डिपार्टमेंट में प्रोफेसर, प्रो. पी.के. गिरी ने कहा कि एक पारंपरिक सिस्टम सेब से टकराकर वापस आने वाली रोशनी को कैप्चर करता है, उसे डिजिटल जानकारी में बदलता है और पिक्सेल-दर-पिक्सेल विश्लेषण के लिए माइक्रोप्रोसेसर को भेजता है। इंसानी दिमाग रंगों, आकृतियों और संदर्भ के बारे में अपनी सीखी हुई समझ का इस्तेमाल करके उसी चीज़ को पहचान सकता है।
टीम का डिवाइस सेंसिंग, मेमोरी और जानकारी की प्रोसेसिंग को एक ही प्लेटफॉर्म पर लाने की कोशिश करता है, जिससे अलग-अलग ऑपरेशन की ज़रूरत कम हो जाती है।
इसके मुख्य हिस्से में दो मटीरियल हैं: MXene नैनोशीट्स, जो एक बहुत पतला, बिजली का सुचालक (electrically conductive) टू-डायमेंशनल मटीरियल है, और P3HT नाम का एक ऑर्गेनिक सेमीकंडक्टर, जो रोशनी पड़ने पर इलेक्ट्रिक चार्ज पैदा करता है।
जब इन मटीरियल को एक-दूसरे के संपर्क में लाया जाता है, तो रोशनी से पैदा होने वाले चार्ज उनके इंटरफेस पर अलग हो जाते हैं और लंबे समय तक अलग ही रहते हैं। इससे मेमोरी जैसा असर पैदा होता है, जिससे डिवाइस रोशनी हटने के बाद भी अपनी प्रतिक्रिया को बनाए रख पाता है।
यह डिवाइस सीखने जैसा व्यवहार भी दिखाता है। रोशनी की एक हल्की चमक से एक इलेक्ट्रिकल रिस्पॉन्स पैदा होता है जो रोशनी बंद होने के बाद भी बना रहता है, जबकि बार-बार मिलने वाले लाइट सिग्नल उस रिस्पॉन्स को और मज़बूत करते हैं। प्रयोगों में, दूसरे लाइट सिग्नल पर मिलने वाला रिस्पॉन्स पहले वाले के मुकाबले 180% ज़्यादा मज़बूत था।
गिरी ने बताया, "यह हमारे न्यूरॉन्स के बार-बार स्टिमुलेशन से सीखने जैसा ही है।" उन्होंने बताया कि कैसे यह डिवाइस सेंसिंग, मेमोरी और इन्फॉर्मेशन प्रोसेसिंग को एक साथ लाता है।
रिसर्चर्स ने इस टेक्नोलॉजी का टेस्ट फेशियल रिकग्निशन और ट्रैफ़िक-सीन सेगमेंटेशन में किया। ट्रैफ़िक-सीन सेगमेंटेशन एक ऐसी प्रक्रिया है जिसमें एनालिसिस के लिए सड़क के दृश्य के अलग-अलग हिस्सों की पहचान की जाती है और उन्हें अलग किया जाता है। इस डिवाइस ने फेशियल रिकग्निशन टेस्ट में 90% और ट्रैफ़िक-सीन सेगमेंटेशन टेस्ट में 85% एक्यूरेसी हासिल की।
कम लागत वाली सॉल्यूशन-प्रोसेसिंग तकनीक से बनाया गया यह डिवाइस ज़्यादा एनर्जी-एफ़िशिएंट विज़ुअल कंप्यूटिंग की दिशा में एक रास्ता खोल सकता है। इसके संभावित इस्तेमाल में इंटेलिजेंट सर्विलांस, ऑटोनॉमस और रोबोटिक सिस्टम, और ऐसी दूसरी टेक्नोलॉजी शामिल हैं जिन्हें विज़ुअल जानकारी को समझने की ज़रूरत होती है।
इसके नतीजे 'कार्बन' जर्नल में पब्लिश हुए हैं। इस स्टडी को IIT गुवाहाटी और IIT खड़गपुर के रिसर्चर्स ने मिलकर लिखा है, जिनमें गिरी, संजय सुर रॉय, संजू नंदी, देबब्रत साहू, गरिमा चौधरी, एम. मेयप्पन, शाश्वत गोस्वामी और चंद्र शेखर तिवारी शामिल हैं।
हालांकि नतीजे लैब की स्थितियों में डिवाइस की क्षमता को दिखाते हैं, लेकिन बड़े पैमाने पर असल दुनिया में इसके इस्तेमाल और परफ़ॉर्मेंस को साबित करने के लिए और डेवलपमेंट की ज़रूरत होगी।