ترکیب هوش طبیعت و مدار الکترونیک در نورون مصنوعی
خبرگزاری دانشجو - 1404-07-09 12:07:26
به گزارش خبرنگار دانش و فناوری خبرگزاری دانشجو، دانشمندان یک نورون مصنوعی ساخته‌اند که آنقدر واقعی است که درست مانند نورون واقعی، تحریک می‌شود، یاد می‌گیرد و به سیگنال‌های شیمیایی پاسخ می‌دهد - پیشرفتی که می‌تواند محاسبات، پزشکی و نحوه ادغام فناوری با زیست‌شناسی را متحول کند.
نورون‌ها قطعات باورنکردنی از سخت‌افزار‌های بیولوژیکی هستند که فرآیند‌های پیچیده‌ای مانند تفکر، احساسات و حرکت را از طریق ارتباطات تخصصی در شبکه‌های وسیع با استفاده از سیگنال‌های الکتریکی و شیمیایی امکان‌پذیر می‌کنند. جای تعجب نیست که علم مشتاق است از این سلول‌های بسیار کارآمد و فوق‌العاده مؤثر تقلید کند.
اکنون، تیمی از مهندسان دانشگاه ماساچوست (UMass) در امهرست، یک نورون مصنوعی ساخته‌اند که نه تنها رفتار نورون‌های واقعی را تقلید می‌کند، بلکه از نظر اندازه، مصرف انرژی، قدرت سیگنال، زمان‌بندی و پاسخگویی به سیگنال‌های شیمیایی نیز با آنها مطابقت دارد.
شوای فو، نویسنده اصلی این مطالعه و دانشجوی کارشناسی ارشد مهندسی برق و کامپیوتر دانشگاه ماساچوست امهرست، گفت: «مغز ما حجم عظیمی از داده‌ها را پردازش می‌کند. اما مصرف برق آن بسیار بسیار کم است، به خصوص در مقایسه با میزان برقی که برای اجرای یک مدل زبان بزرگ مانند ChatGPT مصرف می‌شود.
محققان نورون مصنوعی خود را حول نوعی ممریستور، یک مقاومت حافظه، ساختند که با استفاده از نانوسیم‌های پروتئینی از میکروبی به نام Geobacter sulfurreducens ساخته شده است. این باکتری نانوسیم‌های رسانا تولید می‌کند که وقتی در ممریستور ادغام می‌شوند، ولتاژ مورد نیاز برای سوئیچینگ را به شدت کاهش می‌دهند. در نتیجه، ممریستور می‌تواند در ولتاژ‌های بسیار پایین (حدود ۶۰ میلی‌ولت) و جریان‌های بسیار کم (حدود ۱.۷ نانوآمپر) کار کند، اعدادی قابل مقایسه با نورون‌های بیولوژیکی.
جون یائو، دکترا، دانشیار مهندسی برق و کامپیوتر در UMass Amherst و نویسنده مسئول این مطالعه، گفت: «نسخه‌های قبلی نورون‌های مصنوعی ۱۰ برابر ولتاژ بیشتر - و ۱۰۰ برابر توان بیشتر - نسبت به نمونه‌ای که ما ساخته‌ایم، استفاده می‌کردند.» «مدل ما فقط ۰.۱ ولت ثبت می‌کند، که تقریباً مشابه نورون‌های بدن ماست.
محققان ممریستور را در یک مدار ساده مقاومت-خازن (RC) ادغام کردند تا مراحل مختلف فعالیت الکتریکی یک نورون را شبیه‌سازی کنند. به این ترتیب، می‌تواند از طریق ادغام بار، تجمع آهسته قبل از شلیک نورون، دپلاریزاسیون سریع، جهش ناگهانی هنگام شلیک نورون، و رپلاریزاسیون، بازگشت به حالت استراحت و آماده شدن برای جهش بعدی، حرکت کند. این طراحی همچنین به سیستم اجازه می‌دهد تا یک دوره مقاومت، یک مکث کوتاه پس از شلیک، درست مانند یک نورون واقعی را شامل شود.
(2025)
سپس محققان حسگرهای شیمیایی را اضافه کردند که می‌توانستند یون‌هایی مانند سدیم و انتقال‌دهنده‌های عصبی مانند دوپامین را تشخیص دهند . این حسگرها در پاسخ، خواص الکتریکی مدار را تغییر دادند و از نحوه تنظیم رفتار نورون‌های واقعی بر اساس سیگنال‌های شیمیایی در محیطشان تقلید کردند؛ فرآیندی که به عنوان نورومدولاسیون شناخته می‌شود.
در نهایت، آنها نورون مصنوعی را به سلول‌های واقعی قلب انسان (کاردیومیوسیت‌ها) که ضربان دارند متصل کردند. این تیم همچنین تفسیر بلادرنگ سیگنال‌های بیولوژیکی توسط نورون مصنوعی، مانند تشخیص تغییرات در فعالیت کاردیومیوسیت‌ها در پاسخ به قرار گرفتن در معرض داروی نوراپی نفرین ، را نشان دادند که گامی مهم در جهت ادغام مستقیم این نورون‌ها با بافت زنده است.
یائو گفت: «ما در حال حاضر انواع سیستم‌های حسگر الکترونیکی پوشیدنی داریم، اما آنها نسبتاً دست و پا گیر و ناکارآمد هستند. هر بار که سیگنالی را از بدن خود حس می‌کنند، باید آن را به صورت الکتریکی تقویت کنند تا یک کامپیوتر بتواند آن را تجزیه و تحلیل کند. این مرحله میانی تقویت، هم مصرف برق و هم پیچیدگی مدار را افزایش می‌دهد، اما حسگرهای ساخته شده با نورون‌های ولتاژ پایین ما می‌توانند این کار را بدون هیچ گونه تقویتی انجام دهند.»
البته این یک نمونه اولیه در مراحل اولیه است و آزمایش‌ها در محیط‌های آزمایشگاهی کنترل‌شده انجام شده است. این سیستم هنوز برای استفاده در داخل یک موجود زنده آماده نیست. با این حال، این کشف نشان دهنده یک جهش بزرگ رو به جلو در زیست‌الکترونیک است که می‌تواند پایه و اساس فناوری‌های آینده‌ای باشد که الکترونیک و زیست‌شناسی را بسیار طبیعی‌تر از همیشه ادغام می‌کنند.
این نورون‌ها می‌توانند روزی به ترمیم یا جایگزینی مدارهای آسیب‌دیده مغز کمک کنند، رابط‌های مغز و ماشین (BMI) را بهبود بخشند، یا به عنوان حسگرهایی عمل کنند که سلامت سلول و پاسخ‌های دارویی را در زمان واقعی رصد می‌کنند. از آنجا که آنها انرژی بسیار کمی مصرف می‌کنند و در سطوح سیگنال بیولوژیکی عمل می‌کنند، چنین نورون‌های مصنوعی می‌توانند به سخت‌افزار محاسباتی الهام‌گرفته از مغز بسیار کارآمدتر منجر شوند.
سپس محققان حسگرهای شیمیایی را اضافه کردند که می‌توانستند یون‌هایی مانند سدیم و انتقال‌دهنده‌های عصبی مانند دوپامین را تشخیص دهند. این حسگرها در پاسخ، خواص الکتریکی مدار را تغییر دادند و از نحوه تنظیم رفتار نورون‌های واقعی بر اساس سیگنال‌های شیمیایی در محیطشان تقلید کردند؛ فرآیندی که به عنوان نورومدولاسیون شناخته می‌شود.
در نهایت، آنها نورون مصنوعی را به سلول‌های واقعی قلب انسان (کاردیومیوسیت‌ها) که ضربان دارند متصل کردند. این تیم همچنین تفسیر بلادرنگ سیگنال‌های بیولوژیکی توسط نورون مصنوعی، مانند تشخیص تغییرات در فعالیت کاردیومیوسیت‌ها در پاسخ به قرار گرفتن در معرض داروی نوراپی نفرین، را نشان دادند که گامی مهم در جهت ادغام مستقیم این نورون‌ها با بافت زنده است.
یائو گفت: «ما در حال حاضر انواع سیستم‌های حسگر الکترونیکی پوشیدنی داریم، اما آنها نسبتاً دست و پا گیر و ناکارآمد هستند. هر بار که سیگنالی را از بدن خود حس می‌کنند، باید آن را به صورت الکتریکی تقویت کنند تا یک کامپیوتر بتواند آن را تجزیه و تحلیل کند. این مرحله میانی تقویت، هم مصرف برق و هم پیچیدگی مدار را افزایش می‌دهد، اما حسگرهای ساخته شده با نورون‌های ولتاژ پایین ما می‌توانند این کار را بدون هیچ گونه تقویتی انجام دهند.»
البته این یک نمونه اولیه در مراحل اولیه است و آزمایش‌ها در محیط‌های آزمایشگاهی کنترل‌شده انجام شده است. این سیستم هنوز برای استفاده در داخل یک موجود زنده آماده نیست. با این حال، این کشف نشان دهنده یک جهش بزرگ رو به جلو در زیست‌الکترونیک است که می‌تواند پایه و اساس فناوری‌های آینده‌ای باشد که الکترونیک و زیست‌شناسی را بسیار طبیعی‌تر از همیشه ادغام می‌کنند.
این نورون‌ها می‌توانند روزی به ترمیم یا جایگزینی مدارهای آسیب‌دیده مغز کمک کنند، رابط‌های مغز و ماشین (BMI) را بهبود بخشند، یا به عنوان حسگرهایی عمل کنند که سلامت سلول و پاسخ‌های دارویی را در زمان واقعی رصد می‌کنند. از آنجا که آنها انرژی بسیار کمی مصرف می‌کنند و در سطوح سیگنال بیولوژیکی عمل می‌کنند، چنین نورون‌های مصنوعی می‌توانند به سخت‌افزار محاسباتی الهام‌گرفته از مغز بسیار کارآمدتر منجر شوند.
فقط زمان مشخص خواهد کرد.
این مطالعه در مجله Nature Communications منتشر شده است.
