ପଦାର୍ଥ ବିଜ୍ଞାନରେ ନୋବେଲ୍ ପୁରସ୍କାର ପାଇବେ ଜନ୍ ଜେ ହପଫିଲଡ ଓ ଜେଫ୍ରି ଇ. ହିଣ୍ଟନ

ନୂଆଦିଲ୍ଲୀ : ନୋବେଲ କମିଟି ଆଜି ପଦାର୍ଥ ବିଜ୍ଞାନ ପାଇଁ ବିଜେତାଙ୍କ ନାମ ଘୋଷଣା କରିଛି। ଜନ୍ ଜେ ହପଫିଲଡ ଏବଂ ଜେଫ୍ରି ଇ. ହିଣ୍ଟନ ୨୦୨୪ ପାଇଁ ପାଇବେ ପଦାର୍ଥ ବିଜ୍ଞାନରେ ନୋବେଲ୍ ପୁରସ୍କାର। କୃତ୍ରିମ ନ୍ୟୁରାଲ ନେଟୱାର୍କ ସହିତ ମେସିନ୍ ଲର୍ଣ୍ଣିଂକୁ ସକ୍ଷମ କରୁଥିବା ମୌଳିକ ଆବିଷ୍କାର ପାଇଁ ଉଭୟଙ୍କୁ ମିଳିବ ନୋବେଲ ପୁରସ୍କାର।
ଚଳିତ ବର୍ଷର ପଦାର୍ଥ ବିଜ୍ଞାନରେ ଦୁଇ ଜଣ ନୋବେଲ ବିଜେତା ପଦାର୍ଥ ବିଜ୍ଞାନର ଉପକରଣ ବ୍ୟବହାର କରି ଆଜିର ଶକ୍ତିଶାଳୀ ମେସିନ୍ ଲର୍ଣ୍ଣିଂର ମୂଳଦୁଆ ଥିବା ପଦ୍ଧତି ବିକଶିତ କରିଛନ୍ତି। ଜନ୍ ଜେ ହପଫିଲଡ ଏକ ଆସୋସିଏଟିଭ୍ ମେମୋରୀ ସୃଷ୍ଟି କରିଛନ୍ତି ଯାହା ଡାଟାରେ ଫଟୋ ଏବଂ ଅନ୍ୟ ପ୍ରକାରର ଢାଞ୍ଚାଗୁଡିକ ଷ୍ଟୋର୍ ଏବଂ ପୁନଃନିର୍ମାଣ କରିପାରିବ। ଜେଫ୍ରି ହିଣ୍ଟନ୍ ଏକ ପଦ୍ଧତି ଆବିଷ୍କାର କରିଥିଲେ ଯାହା ସ୍ୱୟଂଚାଳିତ ଭାବରେ ଡାଟାରେ ଗୁଣ ଖୋଜିପାରିବ ତେଣୁ ଫଟୋରେ ନିର୍ଦ୍ଦିଷ୍ଟ ଉପାଦାନଗୁଡିକ ଚିହ୍ନଟ କରିବା ଭଳି କାର୍ଯ୍ୟ ସମ୍ପାଦନ କରିପାରିବ।
ଯେତେବେଳେ ଆମେ କୃତ୍ରିମ ବୁଦ୍ଧିମତା ବିଷୟରେ କଥା ବାର୍ତ୍ତା କରୁ, ଆମେ ପ୍ରାୟତଃ ଆର୍ଟିଫିସିଆଲ ନ୍ୟୁରାଲ ନେଟୱାର୍କ ବ୍ୟବହାର କରି ମେସିନ୍ ଲର୍ଣ୍ଣିଂକୁ ବୁଝାଇଥାଉ। ଏହି ଜ୍ଞାନକୌଶଳ ମୂଳତଃ ମସ୍ତିଷ୍କର ଗଠନରୁ ପ୍ରେରିତ ଥିଲା। ଏକ କୃତ୍ରିମ ନ୍ୟୁରାଲ ନେଟୱାର୍କରେ, ମସ୍ତିଷ୍କର ନ୍ୟୁରୋନଗୁଡିକ ବିଭିନ୍ନ ମୂଲ୍ୟ ଥିବା ନୋଡ୍ ଦ୍ୱାରା ପ୍ରତିନିଧିତ୍ୱ କରାଯାଏ। ଏହି ନୋଡ୍ ଗୁଡିକ ପରସ୍ପରକୁ ସଂଯୋଗ ମାଧ୍ୟମରେ ପ୍ରଭାବିତ କରିଥାଏ ଯାହାକୁ ସିନାପସ ସହିତ ତୁଳନା କରାଯାଇପାରେ ଏବଂ ଯାହାକୁ ଶକ୍ତିଶାଳୀ କିମ୍ବା ଦୁର୍ବଳ କରାଯାଇପାରେ। ଚଳିତ ବର୍ଷର ବିଜେତାମାନେ ୧୯୮୦ ଦଶକରୁ କୃତ୍ରିମ ନ୍ୟୁରାଲ ନେଟୱାର୍କ ସହିତ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ କାର୍ଯ୍ୟ କରିଛନ୍ତି।
ଜନ୍ ଜେ ହପଫିଲଡଏକ ନେଟୱାର୍କ ଆବିଷ୍କାର କରିଥିଲେ ଯାହା ଢାଞ୍ଚା ସଞ୍ଚୟ ଏବଂ ପୁନଃନିର୍ମାଣ ପାଇଁ ଏକ ପଦ୍ଧତି ବ୍ୟବହାର କରେ। ଆମେ ନୋଡ୍ ଗୁଡ଼ିକୁ ପିକ୍ସେଲ୍ ଭାବରେ କଳ୍ପନା କରିପାରିବା। ଜନ୍ ଜେ ହପଫିଲଡ ନେଟୱାର୍କ ପଦାର୍ଥ ବିଜ୍ଞାନ ବ୍ୟବହାର କରେ ଯାହା ଏହାର ପରମାଣୁ ସ୍ପିନ୍ କାରଣରୁ ପଦାର୍ଥର ବୈଶିଷ୍ଟ୍ୟ ବର୍ଣ୍ଣନା କରେ – ଏକ ଗୁଣ ଯାହା ପ୍ରତ୍ୟେକ ପରମାଣୁକୁ ଏକ କ୍ଷୁଦ୍ର ଚୁମ୍ବକରେ ପରିଣତ କରିଥାଏ। ସମଗ୍ର ନେଟୱାର୍କକୁ ପଦାର୍ଥ ବିଜ୍ଞାନରେ ମିଳୁଥିବା ସ୍ପିନ୍ ସିଷ୍ଟମରେ ଥିବା ଶକ୍ତି ସହିତ ସମାନ ଢଙ୍ଗରେ ବର୍ଣ୍ଣନା କରାଯାଏ, ଏବଂ ନୋଡ୍ ମଧ୍ୟରେ ସଂଯୋଗ ପାଇଁ ମୂଲ୍ୟ ସନ୍ଧାନ କରି ତାଲିମ ଦିଆଯାଏ ଯାହା ଦ୍ୱାରା ସଞ୍ଚୟ ହୋଇଥିବା ଫଟୋଗୁଡିକର ଶକ୍ତି ହ୍ରାସ ପାଇଥାଏ।
ଜେଫ୍ରି ଇ. ହିଣ୍ଟନ ନେଟୱାର୍କକୁ ଏକ ନୂତନ ନେଟୱାର୍କର ମୂଳଦୁଆ ଭାବରେ ବ୍ୟବହାର କରିଥିଲେ ଯାହା ଏକ ଭିନ୍ନ ପଦ୍ଧତି ବ୍ୟବହାର କରେ। ହିଣ୍ଟନ ପରିସଂଖ୍ୟାନ ପଦାର୍ଥ ବିଜ୍ଞାନର ଉପକରଣ ବ୍ୟବହାର କରିଥିଲେ, ଯାହା ଅନେକ ସମାନ ଉପାଦାନରୁ ନିର୍ମିତ ପ୍ରଣାଳୀର ବିଜ୍ଞାନ। ମେସିନ୍ ଚଳାଇବା ସମୟରେ ଯେଉଁ ଉଦାହରଣ ସୃଷ୍ଟି ହେବାର ଯଥେଷ୍ଟ ସମ୍ଭାବନା ଥାଏ ତାହାକୁ ଫିଡ୍ କରି ମେସିନକୁ ପ୍ରଶିକ୍ଷଣ ଦିଆଯାଏ।