AI और दुनिया की कठिन समस्याएँ · खगोल विज्ञान और अंतरिक्ष · arXiv · 2026-10-21

एक विकिरण-कठोरीकृत, दोष-सचेत क्वांटाइज़्ड न्यूरल नेटवर्क जो स्व-उपचार करता है

मूल शीर्षक: A Radiation-Hardened, Fault-Aware Quantized Neural Network That Self-Heals

अंतरिक्ष यान और कण त्वरक जैसे विकिरण-चुनौतीपूर्ण वातावरणों में तैनात डीप लर्निंग मॉडल बिगड़ जाते हैं क्योंकि उच्च-ऊर्जा कण डेटा को दूषित कर देते हैं, जिससे बिट फ़्लिप के बाद क्वांटाइज़्ड न्यूरल नेटवर्क वेट की मरम्मत हेतु रनटाइम विधि की प्रेरणा मिलती है। Projection Healing नामक यह विधि Fault-Aware Training को एक संरेखण पेनल्टी के साथ विस्तारित करती है, जो अक्षत एक्टिवेशन और वेट को लो-रैंक सबस्पेस में केंद्रित करती है, जिससे चिह्नित दूषित निर्देशांक सामान्य हार्डवेयर पर अतिरिक्त प्रतिकृतियाँ संग्रहीत किए बिना पुनर्निर्मित किए जाते हैं। छह रिग्रेशन बेंचमार्क में इसने ऑपरेशनल स्क्रब अंतराल को +5% RMSE गिरावट पर माध्यिका रूप से 2.04× बढ़ा दिया (क्लासिकल SECDED के 1.62× की तुलना में), और FAT चेकपॉइंट को स्थिर रखते हुए केवल रनटाइम हील बदलने पर नेटिव-यूनिट अधिशेष इंटीग्रल में ~23% की और कमी मिली।

मूल लेख पढ़ें ↗

सभी आइटम →