AI से अधिक खतरनाक: "मस्तिष्क गणना कर रहा है" परिकल्पना इंजीनियरिंग में गहराई से प्रवेश कर रही है—न्यूरोमॉर्फिक × भौतिक सिमुलेशन

"दिमागी कंप्यूटर गणित में कमजोर" की धारणा बदल रही है

न्यूरोमोर्फिक (neuromorphic) कंप्यूटर, मस्तिष्क के न्यूरल सर्किट से प्रेरित एक कंप्यूटर है। यह अत्यंत कम ऊर्जा खपत के साथ, समानांतर और असिंक्रोनस रूप से जानकारी को प्रोसेस कर सकता है, जबकि "सटीक संख्यात्मक गणना"—विशेष रूप से भौतिकी सिमुलेशन के केंद्र में स्थित आंशिक अंतर समीकरण (PDE)—के लिए उपयुक्त नहीं माना जाता रहा है। लेकिन 7 जनवरी 2026 को, Sandia नेशनल लैबोरेटरी की घोषणा के आधार पर Phys.org पर प्रकाशित एक लेख ने इस धारणा को चुनौती दी। यह बताया गया कि दिमागी कंप्यूटर PDE को अप्रत्याशित रूप से अच्छी तरह से हल कर सकते हैं। Phys.org

इस शोध का मुख्य बिंदु "फिनाइट एलिमेंट मेथड (FEM)" और "स्पाइकिंग न्यूरल नेटवर्क (SNN)" का संयोजन है। FEM, तरल पदार्थ, विद्युतचुंबकीय क्षेत्र, संरचनात्मक यांत्रिकी आदि का वर्णन करने वाले PDE को डिस्क्रीटाइज करता है और बड़े (लेकिन विरल) रैखिक समीकरण $Ax=b$ को हल करके एक अनुमानित समाधान प्राप्त करता है। यह मौसम पूर्वानुमान से लेकर सामग्री डिजाइन तक, आधुनिक विज्ञान और प्रौद्योगिकी के लिए अपरिहार्य है। News Releases

NeuroFEM: संख्यात्मक विश्लेषण को "सीखने" के बजाय "सीधे अनुवाद" करना

इस शोध (Nature Machine Intelligence में प्रकाशित, ओपन एक्सेस) ने FEM के विरल मैट्रिक्स $A$ की संरचना को SNN के कनेक्शन में मैप किया और स्पाइक (फायरिंग) के समय संबंधों के माध्यम से समाधान की ओर अभिसरण करने के लिए "NeuroFEM" एल्गोरिदम प्रस्तुत किया। मुख्य बिंदु यह है कि "न्यूरल नेटवर्क को सिखाकर समाधान प्राप्त करना" नहीं है। FEM में पहले से स्थापित गणित को न्यूरोमोर्फिक में "मूल रूप से" अनुवाद करने का विचार है। Nature

पेपर के सारांश के अनुसार, Poisson समीकरण जैसे मूलभूत PDE पर अर्थपूर्ण सटीकता और उच्च समानांतरता वाले न्यूरोमोर्फिक हार्डवेयर पर "आदर्श के करीब स्केलिंग" प्रदर्शित किया गया। वास्तविक उपकरण Intel के अनुसंधान-उन्मुख न्यूरोमोर्फिक चिप Loihi 2 है। इसके अलावा, 2D/3D अनियमित जाल और रैखिक लोच जैसे अन्य PDE तक विस्तार करने की संभावना भी दिखाई गई है। Nature

प्रणाली को और अधिक स्पष्ट करना: प्रत्येक जाल नोड "छोटे न्यूरल समूह" बन जाते हैं

NeuroFEM में, FEM जाल के प्रत्येक नोड के लिए, लगभग 8 से 16 न्यूरॉनों के समूह को आवंटित किया जाता है (यह एक हाइपरपैरामीटर है)। विरल मैट्रिक्स $A$ के गैर-शून्य तत्व नोड्स के बीच सिनेप्टिक वेट के रूप में परिलक्षित होते हैं। दायां पक्ष $b$ प्रत्येक न्यूरॉन को दिए गए बायस के रूप में प्रदान किया जाता है, और शोर इनपुट जोड़कर असिंक्रोनस रूप से संतुलित फायरिंग स्थिति बनाई जाती है। स्पाइक सीक्वेंस सीधे संख्यात्मक नहीं होते हैं, इसलिए एक निम्न-पास फिल्टर जैसी रीडआउट के माध्यम से प्रत्येक नोड के समाधान के अनुमान का पुनर्निर्माण किया जाता है। Nature

दिलचस्प बात यह है कि "सीधे मैप करने से समाधान में स्थायी बायस रह जाता है" की समस्या के लिए, प्रत्येक न्यूरॉन में स्थानीय अवशेष को एकीकृत करने के लिए एक स्थिति चर जोड़ा गया, और वितरित स्पाइकिंग PI (प्रोप्रोशनल + इंटीग्रल) नियंत्रण के रूप में स्थायी त्रुटि को समाप्त किया गया। इसके माध्यम से, बिना किसी "केंद्रीय कमान" के, केवल स्थानीय जानकारी के साथ त्रुटि को कम किया गया। Nature

इसके अलावा, एक बार नेटवर्क का निर्माण हो जाने के बाद, केवल दायां पक्ष (बाहरी बल या स्रोत टर्म) बदलकर अलग-अलग समस्याओं का तेजी से अनुसरण किया जा सकता है, और अतिरिक्त शिक्षण की आवश्यकता नहीं होती है। यह "न्यूरोमोर्फिक ट्विन" जैसी दिशा में उपयोग का सुझाव देता है, जो कि वास्तविक समय में सेंसर इनपुट के अनुसार लगातार समाधान प्रदान करता है। Nature

क्यों "दिमागी" PDE पर प्रभावी है: ऊर्जा दक्षता और स्केल की चर्चा

Sandia की न्यूज़ रिलीज़ बताती है कि PDE मौसम पूर्वानुमान और सामग्री के व्यवहार जैसे वास्तविक दुनिया के मॉडलिंग के लिए आवश्यक है, जबकि पारंपरिक रूप से इसके लिए विशाल कंप्यूटिंग संसाधनों की आवश्यकता होती है। इसके साथ ही, न्यूरोमोर्फिक मस्तिष्क की तरह जानकारी को प्रोसेस करता है, जिससे समान समस्याओं को कम ऊर्जा में हल करने की संभावना होती है। News Releases

बयान भी गहराई में जाते हैं। Theilman ने कहा कि बुद्धिमत्ता जैसी व्यवहार दिखाने वाले कंप्यूटिंग सिस्टम उभर रहे हैं, लेकिन "वे मस्तिष्क से बिल्कुल भी नहीं मिलते हैं, और आवश्यक संसाधन (सच कहें तो) हास्यास्पद हैं।" News Releases

Aimone ने भी टेनिस की बॉल की तरह गति नियंत्रण को "बेहद परिष्कृत गणना" बताया, और मस्तिष्क इसे अत्यंत सस्ते में करता है, यह अंतर्दृष्टि दी। Phys.org

यहां चर्चा का बिंदु यह है कि PDE सॉल्वर जैसी गणना "बड़ी मात्रा में स्थानीय गणना", "विरल संचार", और "असिंक्रोनस समानांतर" के साथ अच्छी तरह मेल खाती है। वास्तव में, पेपर का मुख्य भाग कहता है कि मस्तिष्क की विरल, वितरित, और असिंक्रोनस सीमाएं आधुनिक उच्च प्रदर्शन संख्यात्मक गणना की सीमाओं के साथ "अजीब तरह से संगत" हैं, और FEM से उत्पन्न विरल कनेक्शन न्यूरोमोर्फिक लाभों को उजागर कर सकते हैं। Nature

हालांकि यह सर्वगुणसंपन्न नहीं है: सटीकता, कार्यान्वयन, और मूल्यांकन की "अगली चुनौतियां"

वर्तमान में, "पारंपरिक सुपरकंप्यूटर का पूर्ण प्रतिस्थापन" का वादा नहीं किया गया है। पेपर में भी, अवशेष का परिमाण सेटिंग्स के आधार पर बदल सकता है, और यह क्लासिकल सॉल्वर (उदाहरण: SciPy का spsolve) से कमतर हो सकता है, और पैरामीटर चयन प्रदर्शन अवलोकन को प्रभावित कर सकता है, जिससे आगे की संख्यात्मक विशेषताओं की जांच को प्रोत्साहित किया गया है। Nature

फिर भी, FEM जैसी "विश्वसनीय गणित" को ब्लैक बॉक्स लर्निंग पर निर्भर किए बिना स्थानांतरित करने का बिंदु महत्वपूर्ण है। अनुप्रयुक्त गणित, कंप्यूटेशनल न्यूरोसाइंस, और हार्डवेयर डिज़ाइन के एक साथ आने से "कम ऊर्जा में चलने वाले सिमुलेशन" का एक नया उपकरण सेट तैयार हो सकता है। Sandia ने भी पूछा है कि क्या अधिक उन्नत अनुप्रयुक्त गणितीय विधियों के लिए "न्यूरोमोर्फिक संस्करण" हो सकता है। Phys.org

SNS (सार्वजनिक रूप से उपलब्ध) प्रतिक्रियाओं का सारांश

※ यहां, केवल बाहरी रूप से सत्यापित "पोस्ट और संकेत" का उपयोग करके प्रतिक्रियाओं की प्रवृत्ति को व्यवस्थित किया गया है (असत्यापित X पोस्ट आदि का निर्माण नहीं किया गया)।

1. शोधकर्ता ने "व्यावहारिकता की ओर" जोर दिया (LinkedIn)
   Aimone की LinkedIn पोस्ट में, NeuroFEM के विरल रैखिक सिस्टम के "मुख्य वर्कहॉर्स" को कम ऊर्जा खपत वाले न्यूरोमोर्फिक में संभालने की क्षमता, संख्यात्मक सॉल्वर के रूप में तुलनीयता, उपयोगकर्ता के लिए SNN को "सीखने की आवश्यकता नहीं" की डिज़ाइन फिलॉसफी, और मस्तिष्क से प्रेरित विरलता, स्थानीयता, और असिंक्रोनसिटी पर चर्चा की गई है, और प्रतिक्रियाएं (लाइक) भी देखी गई हैं। LinkedIn

2. कोड की सार्वजनिक उपलब्धता पर "तत्काल प्रतिक्रिया" (GitHub)
   Sandia Labs के नाम से NeuroFEM का रिपॉजिटरी प्रकाशित किया गया है, और कम से कम स्टार और फोर्क की पुष्टि की जा सकती है। शोध समुदाय में "प्रजननशीलता का प्रवेश द्वार है या नहीं" यह प्रारंभिक प्रतिक्रिया की तापमान को प्रभावित कर सकता है, और यह एक सकारात्मक संकेत है। GitHub

3. क्यूरेशन आधारित न्यूज़लेटर में भी शामिल (Medium)
   AI न्यूज़लेटर के रूप में एक लेख में, Nature Machine Intelligence में प्रकाशित इस शोध को सूचीबद्ध किया गया है। यह विशेषज्ञों के बाहर के पाठकों के लिए "दृष्टिगत मार्ग" प्रदान करता है। Medium

4. "चर्चा की मात्रा" का संकेतक: Altmetric और शेयर संख्या
   Nature की साइट पर Altmetric स्कोर (उदाहरण: 67) प्रदर्शित किया गया है, जो ऑनलाइन एक निश्चित ध्यान आकर्षित कर रहा है। Phys.org पर भी शेयर संख्या प्रदर्शित की गई है। Nature##HTML_TAG_