Tin tức Deeper

Mô phỏng mạch sinh học đồng bộ và tế bào thần kinh trong một bước tiến tới điện toán cảm giác

Ngày:
Th10 19, 2019
Tóm lược:

Các nhà nghiên cứu đã chứng minh các thiết bị lấy cảm hứng từ sinh học giúp tăng tốc các tuyến đường đến điện toán thần kinh, hoặc giống như não. Khám phá của họ có thể hỗ trợ sự xuất hiện của các mạng máy tính được mô hình hóa về sinh học cho một cách tiếp cận cảm giác đối với học máy.

Share:
CÂU CHUYỆN ĐẦY ĐỦ

Các nhà nghiên cứu tại Trung tâm Khoa học Vật liệu Nanophase của ORNL đã trình diễn ví dụ đầu tiên về điện dung trong màng sinh học dựa trên lipid, mở ra các tuyến đường kỹ thuật số cho tính toán tiên tiến, giống như não. Tín dụng: Phòng thí nghiệm quốc gia Michelle Lehman / Oak Ridge, Bộ năng lượng Hoa Kỳ
Các nhà nghiên cứu tại Trung tâm Khoa học Vật liệu Nanophase của ORNL đã trình diễn ví dụ đầu tiên về điện dung trong màng sinh học dựa trên lipid, mở ra các tuyến đường kỹ thuật số cho tính toán tiên tiến, giống như não.
Tín dụng: Phòng thí nghiệm quốc gia Michelle Lehman / Oak Ridge, Bộ năng lượng Hoa Kỳ

Các nhà nghiên cứu tại Phòng thí nghiệm quốc gia Oak Ridge của Bộ Năng lượng, Đại học Tennessee và Đại học A & M Texas đã trình diễn các thiết bị lấy cảm hứng từ sinh học giúp tăng tốc các tuyến đường đến máy tính thần kinh.

Các kết quả được công bố trên tạp chí Nature Communications đã báo cáo ví dụ đầu tiên về “memcapacitor” dựa trên lipid, một thành phần lưu trữ điện tích với bộ nhớ xử lý thông tin giống như các khớp thần kinh thực hiện trong não. Khám phá của họ có thể hỗ trợ sự xuất hiện của các mạng máy tính được mô hình hóa về sinh học cho một cách tiếp cận cảm giác đối với học máy.

Mục tiêu của nhóm nghiên cứu là phát triển các vật liệu và các yếu tố điện toán hoạt động như các khớp thần kinh và tế bào thần kinh – với khả năng kết nối và linh hoạt rộng lớn – để cho phép các hệ thống tự trị hoạt động khác với các thiết bị điện toán hiện tại và cung cấp chức năng cũng như khả năng học tập mới.

Phương pháp mới lạ sử dụng các vật liệu mềm để bắt chước sinh khối và mô phỏng cách các tế bào thần kinh giao tiếp với nhau.

Nhóm nghiên cứu đã thiết kế một màng tế bào nhân tạo được hình thành tại giao diện của hai giọt nước được phủ lipid trong dầu để khám phá các đặc tính động và điện sinh lý của vật liệu. Ở điện áp ứng dụng, điện tích tích tụ ở cả hai phía của màng dưới dạng năng lượng dự trữ, tương tự như cách hoạt động của tụ điện trong các mạch điện truyền thống.

Nhưng không giống như các tụ điện thông thường, memcapacitor có thể “nhớ” một điện áp được áp dụng trước đó và – theo nghĩa đen – định hình cách xử lý thông tin. Các màng tổng hợp thay đổi diện tích bề mặt và độ dày tùy thuộc vào hoạt động điện. Những màng biến đổi này có thể được điều chỉnh như các bộ lọc thích ứng cho các tín hiệu sinh hóa và sinh hóa cụ thể.

Chức năng mới lạ mở ra con đường cho xử lý tín hiệu không kỹ thuật số và học máy được mô phỏng theo tự nhiên.

Một tính năng khác biệt của tất cả các máy tính kỹ thuật số là sự tách biệt giữa xử lý và bộ nhớ. Thông tin được truyền qua lại từ ổ cứng và bộ xử lý trung tâm tạo ra một nút cổ chai cố hữu trong kiến ​​trúc cho dù phần cứng có thể nhỏ hay nhanh.

Điện toán thần kinh được mô hình hóa trên hệ thần kinh và sử dụng các kiến ​​trúc khác nhau về cơ bản trong bộ nhớ và xử lý tín hiệu được đặt cùng trong các yếu tố bộ nhớ – memristor, memcapacitor và meminductors.

Những “bản ghi nhớ” này tạo nên phần cứng synap của các hệ thống bắt chước xử lý thông tin tự nhiên, học tập và bộ nhớ.

Các hệ thống được thiết kế với các bản ghi nhớ cung cấp lợi thế về khả năng mở rộng và tiêu thụ năng lượng thấp nhưng mục tiêu thực sự là tạo ra một con đường thay thế cho trí tuệ nhân tạo.

Khai thác vào sinh học có thể cho phép các khả năng tính toán mới, đặc biệt là trong lĩnh vực “điện toán cạnh”chẳng hạn như các công nghệ có thể đeo và nhúng không được kết nối với đám mây mà thay vào đó đưa ra quyết định nhanh chóng dựa trên đầu vào cảm giác và kinh nghiệm trong quá khứ.

Cảm biến sinh học đã phát triển qua hàng tỷ năm thành một hệ thống rất nhạy cảm với các thụ thể trong màng tế bào có khả năng chọn ra một phân tử duy nhất có mùi hoặc vị đặc biệt. 

Tính toán kỹ thuật số được xây dựng xung quanh thông tin kỹ thuật số, ngôn ngữ nhị phân của những người và số không chảy qua các mạch điện tử. Nó có thể mô phỏng bộ não của con người nhưng các thành phần trạng thái rắn của nó không tính toán dữ liệu cảm giác theo cách mà bộ não làm.

Bộ não tính toán thông tin cảm giác được đẩy qua các khớp thần kinh trong một mạng lưới thần kinh có thể cấu hình lại và định hình bằng cách học. Kết hợp sinh học – sử dụng các sinh khối cảm nhận thông tin hóa sinh – là chìa khóa để phát triển chức năng của điện toán biến đổi thần kinh.

Trong khi nhiều phiên bản ghi nhớ trạng thái rắn đã được chứng minh thì các yếu tố sinh học của nhóm đại diện cho những cơ hội mới cho các mạng lưới thần kinh “đi xe đạp” tiềm năng có thể tính toán dữ liệu tự nhiên theo cách tự nhiên.

Mạng lưới thần kinh Spiking được dự định để mô phỏng cách các nơ-ron tăng vọt với tiềm năng điện và nếu tín hiệu đủ mạnh, hãy truyền nó cho hàng xóm của chúng thông qua các khớp thần kinh để khắc phục các lộ trình học tập được cắt tỉa theo thời gian để đạt hiệu quả.

Một phiên bản lấy cảm hứng từ sinh học với xử lý dữ liệu tương tự là một mục tiêu xa vời. Nghiên cứu giai đoạn đầu hiện nay tập trung vào phát triển các thành phần của mạch sinh học.

Collier cho biết: “Chúng tôi bắt đầu với những điều cơ bản, một memristor có thể cân nhắc thông tin thông qua độ dẫn để xác định xem một mũi nhọn có đủ mạnh để được phát qua mạng lưới các khớp thần kinh kết nối các nơ-ron hay không. “Memcapacitor của chúng tôi đi xa hơn ở chỗ nó thực sự có thể lưu trữ năng lượng dưới dạng điện tích trong màng, cho phép hoạt động phức tạp ‘tích hợp và chữa cháy’ của các tế bào thần kinh cần thiết để đạt được các mạng lưới dày đặc có khả năng tính toán giống như não.”

Các bước tiếp theo của nhóm là khám phá các vật liệu sinh học mới và nghiên cứu các mạng đơn giản để đạt được các chức năng giống như não phức tạp hơn với các bản ghi nhớ.


Nguồn truyện:

Tài liệu được cung cấp bởi Phòng thí nghiệm quốc gia DOE / Oak Ridge . Lưu ý: Nội dung có thể được chỉnh sửa cho kiểu dáng và độ dài.


Tạp chí tham khảo :

  1. Joseph S. Najem, Md Sakib Hasan, R. Stanley Williams, Ryan J. Weiss, Garrett S. Rose, Graham J. Taylor, Stephen A. Sarles, C. Patrick Collier. Điện dung bộ nhớ phi tuyến động trong màng sinh học . Truyền thông tự nhiên , 2019; 10 (1) DOI: 10.1038 / s41467-019-11223-8

Bài viết liên quan

Bài viết khác