به گزارش ایسنا، مهندسان دانشگاه «نورث وسترن» نورونهای قابل چاپی ایجاد کردهاند که الگوهای سیگنالدهی بیولوژیکی را تقلید میکنند و در آزمایشهای آزمایشگاهی با موفقیت با مدارهای عصبی زنده تعامل دارند.
آنها گامی جدید به سوی ایجاد پل بین الکترونیک و مغز انسان با کلاس جدیدی از نورونهای مصنوعی چاپ شده برداشتهاند.
این دستگاهها میتوانند به طور فعال سلولهای واقعی مغز را تحریک کنند و فراتر از تکرار رفتار عصبی در تئوری باشند.
این مطالعه نشان میدهد که این اجزای انعطافپذیر و کمهزینه میتوانند سیگنالهای الکتریکی را به اندازه کافی نزدیک به فعالیت بیولوژیکی تولید کنند تا پاسخهایی را در نورونهای زنده ایجاد کنند.
آزمایشها روی بافت مغز موش تأیید کرد که سیگنالهای مصنوعی میتوانند مدارهای عصبی واقعی را فعال کنند.
این یافتهها به سیستمهای آیندهنگرانهای اشاره دارند که مستقیماً با سیستم عصبی ارتباط برقرار میکنند.
کاربردهای آن میتواند شامل رابطهای مغز-ماشین و پروتزهای عصبی برای شنوایی، بینایی و حرکت باشد.
این کار همچنین یک تغییر بالقوه به سمت سختافزار محاسباتی را با بهرهوری انرژی بیشتر که بر اساس مغز مدلسازی شده است، برجسته میکند.
بازنگری در سختافزار محاسباتی
محاسبات سنتی به تراشههای سیلیکونی سفت و سخت پر از ترانزیستورهای یکسان وابسته است.
مهندسان با افزودن تعداد بیشتری از این اجزا، اغلب به قیمت مصرف انرژی بالاتر، عملکرد را افزایش میدهند.
مغز بر اساس مدلی کاملاً متفاوت عمل میکند. مغز به نورونهای متنوعی متکی است که در شبکههای انعطافپذیر و سهبعدی سازماندهی شدهاند و دائماً در حال تطبیق هستند.
مارک هرسام(Mark Hersam)، سرپرست این مطالعه گفت: سیلیکون با داشتن میلیاردها دستگاه یکسان، به پیچیدگی دست مییابد. همه چیز پس از ساخت، یکسان، سفت و ثابت است. مغز برعکس است. ناهمگن، پویا و سهبعدی است. برای حرکت در این جهت، به مواد جدید و روشهای جدیدی برای ساخت الکترونیک نیاز داریم.
محققان برای نزدیک شدن به آن مدل از مواد الکترونیکی قابل چاپ به جای اجزای سفت و سخت استفاده کردند. آنها جوهرهایی از دیسولفید مولیبدن و گرافن ساختند. با استفاده از چاپ جت هواپخش، این مواد را روی زیرلایههای انعطافپذیر رسوب دادند.
آزمایش با بافت مغز
این تیم یک محدودیت شناخته شده در الکترونیک چاپی را اصلاح کرد. آنها به جای حذف کامل پلیمرهای تثبیتکننده، نحوه تجزیه مواد را در حین کار کنترل کردند.
هرسام گفت: به جای حذف کامل پلیمر، آن را تا حدی تجزیه میکنیم. سپس، وقتی جریان را از دستگاه عبور میدهیم، تجزیه بیشتر پلیمر را هدایت میکنیم.
این رویکرد کانالهای رسانای باریکی ایجاد میکند که جرقههای الکتریکی تیز و نورونمانندی تولید میکنند. این دستگاهها میتوانند طیف وسیعی از الگوهای سیگنالدهی، از جمله انفجارها و شلیکهای مداوم (مشابه نورونهای بیولوژیکی) تولید کنند. این طیف به هر نورون مصنوعی اجازه میدهد تا اطلاعات بیشتری را حمل کند. همچنین تعداد اجزای مورد نیاز برای محاسبات پیچیده را کاهش میدهد.
محققان برای آزمایش تعامل در دنیای واقعی با ایندیرا رامان(Indira Raman)، متخصص زیستشناسی عصبی همکاری کردند. آنها سیگنالهای نورونهای مصنوعی را به برشهایی از مخچه موش اعمال کردند. سیگنالها با ویژگیهای کلیدی فعالیت عصبی طبیعی مطابقت داشتند و باعث ایجاد پاسخ در سلولهای زنده شدند.
هرسام گفت: آزمایشگاههای دیگر سعی کردهاند نورونهای مصنوعی را با مواد آلی بسازند و آنها خیلی آهسته جهش کردند یا از اکسیدهای فلزی استفاده کردند که خیلی سریع هستند. ما در محدوده زمانی هستیم که قبلاً برای نورونهای مصنوعی نشان داده نشده بود.
وی افزود: شما میتوانید ببینید که نورونهای زنده به نورون مصنوعی ما پاسخ میدهند. بنابراین ما سیگنالهایی را نشان دادهایم که نه تنها مقیاس زمانی مناسبی دارند، بلکه شکل مناسبی برای تعامل مستقیم با نورونهای زنده نیز دارند.
این تحقیق همچنین به نگرانی رو به رشد مصرف انرژی در هوش مصنوعی میپردازد. هرسام میگوید: جهانی که امروز در آن زندگی میکنیم، تحت سلطه هوش مصنوعی است. راهی برای آنکه هوش مصنوعی را هوشمندتر کنید، آموزش آن با دادههای بیشتر و بیشتر است. این آموزش فشرده دادهها منجر به مشکل عظیم مصرف برق میشود. بنابراین ما باید سختافزار کارآمدتری برای مدیریت دادههای بزرگ و هوش مصنوعی ارائه دهیم.
این مطالعه با ترکیب سیگنالدهی شبیه مغز با مواد کارآمد، مسیری را به سمت سیستمهای محاسباتی ارائه میدهد که در عین تعامل طبیعیتر با سیستمهای بیولوژیکی، انرژی کمتری مصرف میکنند.
این مطالعه در مجله Nature Nanotechnology منتشر شده است.
انتهای پیام
