Τεχνητοί νευρώνες επικοινώνησαν επιτυχώς με κύτταρα του ζωντανού εγκεφάλου

Σε πειράματα που έγιναν με τμήματα εγκεφάλου ποντικού, οι τεχνητοί νευρώνες κατάφεραν να προκαλέσουν αντιδράσεις σε πραγματικούς νευρώνες. Το αποτέλεσμα αυτό δείχνει ένα νέο επίπεδο συμβατότητας μεταξύ ηλεκτρονικών συσκευών και ζωντανών νευρικών συστημάτων.

Προς Εγκεφαλικές Διεπαφές και Ενεργειακά Αποδοτική Τεχνητή Νοημοσύνη

Αυτή η πρόοδος φέρνει τους ερευνητές πιο κοντά σε ηλεκτρονικά που μπορούν να συνδεθούν απευθείας με το νευρικό σύστημα. Πιθανές χρήσεις περιλαμβάνουν διεπαφές εγκεφάλου-μηχανής και νευροπροσθέσεις, όπως εμφυτεύματα που θα μπορούσαν να βοηθήσουν στην αποκατάσταση της ακοής, της όρασης ή της κίνησης.

Η τεχνολογία αυτή στρέφει επίσης το βλέμμα σε μια νέα γενιά υπολογιστικών συστημάτων εμπνευσμένων από τον εγκέφαλο. Με την αναπαραγωγή του τρόπου επικοινωνίας των νευρώνων, το μελλοντικό υλικό θα μπορούσε να εκτελεί σύνθετες εργασίες χρησιμοποιώντας πολύ λιγότερη ενέργεια. Ο εγκέφαλος παραμένει το πιο ενεργειακά αποδοτικό γνωστό υπολογιστικό σύστημα, και οι επιστήμονες ελπίζουν να εφαρμόσουν τις αρχές του στη σύγχρονη τεχνολογία.

Η μελέτη θα δημοσιευτεί στις 15 Απριλίου στο περιοδικό Nature Nanotechnology.

“Ο κόσμος στον οποίο ζούμε σήμερα κυριαρχείται από την τεχνητή νοημοσύνη (AI),” δήλωσε ο Mark C. Hersam του Northwestern, ο οποίος ηγήθηκε της μελέτης. “Ο τρόπος για να κάνεις την AI πιο έξυπνη είναι να την εκπαιδεύεις σε όλο και περισσότερα δεδομένα. Αυτή η εντατική εκπαίδευση δεδομένων οδηγεί σε ένα τεράστιο πρόβλημα κατανάλωσης ενέργειας. Επομένως, πρέπει να βρούμε πιο αποδοτικό υλικό για τη διαχείριση μεγάλων δεδομένων και της AI. Επειδή ο εγκέφαλος είναι πέντε τάξεις μεγέθους πιο ενεργειακά αποδοτικός από έναν ψηφιακό υπολογιστή, έχει νόημα να αναζητήσουμε στον εγκέφαλο έμπνευση για την επόμενη γενιά υπολογιστών.”

Ο Hersam είναι ειδικός σε υπολογιστές εμπνευσμένους από τον εγκέφαλο και κατέχει πολλαπλές θέσεις στο Πανεπιστήμιο Northwestern, συμπεριλαμβανομένου του Walter P. Murphy Καθηγητή Επιστήμης και Μηχανικής Υλικών στη Σχολή Μηχανικών McCormick. Είναι επίσης καθηγητής ιατρικής στο Northwestern University Feinberg School of Medicine και καθηγητής χημείας στο Weinberg College of Arts and Sciences. Επιπλέον, υπηρετεί ως πρόεδρος του τμήματος επιστήμης και μηχανικής υλικών, διευθυντής του Materials Research Science and Engineering Center, και μέλος του Διεθνούς Ινστιτούτου Νανοτεχνολογίας. Συν-διεύθυνε τη μελέτη με τον Vinod K. Sangwan, ερευνητή αναπληρωτή καθηγητή στο McCormick.

Γιατί ο Εγκέφαλος Υπερτερεί έναντι του Παραδοσιακού Πυριτίου

Οι σύγχρονοι υπολογιστές διαχειρίζονται αυξανόμενο φόρτο εργασίας συσκευάζοντας δισεκατομμύρια πανομοιότυπους τρανζίστορ σε άκαμπτα, δισδιάστατα τσιπ πυριτίου. Κάθε εξάρτημα συμπεριφέρεται με τον ίδιο τρόπο, και μόλις κατασκευαστεί, το σύστημα παραμένει σταθερό.

Ο εγκέφαλος λειτουργεί πολύ διαφορετικά. Αποτελείται από πολλούς τύπους νευρώνων, καθένας με εξειδικευμένους ρόλους, διατεταγμένους σε μαλακά, τρισδιάστατα δίκτυα. Αυτά τα δίκτυα αλλάζουν συνεχώς, σχηματίζοντας και προσαρμόζοντας συνδέσεις καθώς συμβαίνει η μάθηση.

“Το πυρίτιο επιτυγχάνει πολυπλοκότητα έχοντας δισεκατομμύρια πανομοιόμοιες συσκευές,” είπε ο Hersam. “Τα πάντα είναι ίδια, άκαμπτα και σταθερά μόλις κατασκευαστούν. Ο εγκέφαλος είναι το αντίθετο. Είναι ετερογενής, δυναμικός και τρισδιάστατος. Για να κινηθούμε προς αυτή την κατεύθυνση, χρειαζόμαστε νέα υλικά και τρόπους κατασκευής ηλεκτρονικών.”

Αν και έχουν αναπτυχθεί τεχνητοί νευρώνες στο παρελθόν, οι περισσότεροι παράγουν υπερβολικά απλά σήματα. Για να επιτευχθεί πιο σύνθετη συμπεριφορά, οι μηχανικοί χρειάζονται τυπικά μεγάλα δίκτυα συσκευών, γεγονός που αυξάνει την κατανάλωση ενέργειας.

Εκτυπώσιμα Υλικά Ενεργοποιούν Συμπεριφορά Παρόμοια με του Εγκεφάλου

Για να αναπαραστήσει καλύτερα την πραγματική νευρική δραστηριότητα, η ομάδα του Hersam κατασκεύασε τεχνητούς νευρώνες χρησιμοποιώντας μαλακά, εκτυπώσιμα υλικά που ταιριάζουν καλύτερα με τη δομή του εγκεφάλου. Η προσέγγισή τους βασίζεται σε ηλεκτρονικά μελάνια κατασκευασμένα από νιφάδες νανοκλίμακας δισουλφιδίου μολυβδαινίου (MoS2), το οποίο δρα ως ημιαγωγός, και γραφένιο, το οποίο χρησιμεύει ως ηλεκτρικός αγωγός. Αυτά τα υλικά εναποτέθηκαν σε εύκαμπτες πολυμερικές επιφάνειες χρησιμοποιώντας εκτύπωση με αερογράφο.

Προηγουμένως, οι ερευνητές θεωρούσαν το πολυμερές σε αυτά τα μελάνια ως ελάττωμα, επειδή επηρέαζε την ηλεκτρική απόδοση. Ως αποτέλεσμα, το αφαιρούσαν μετά την εκτύπωση. Σε αυτήν την εργασία, η ομάδα χρησιμοποίησε αυτό το ίδιο χαρακτηριστικό για να βελτιώσει τη συσκευή.

“Αντί να αφαιρούμε πλήρως το πολυμερές, το αποσυνθέτουμε μερικώς,” είπε. “Στη συνέχεια, όταν περνάμε ρεύμα μέσω της συσκευής, προκαλούμε περαιτέρω αποσύνθεση του πολυμερούς. Αυτή η αποσύνθεση συμβαίνει με χωρικά ανομοιογενή τρόπο, οδηγώντας στο σχηματισμό αγώγιμου νήματος, έτσι ώστε όλο το ρεύμα να συμπιέζεται σε μια στενή περιοχή στο χώρο.”

Αυτό το στενό αγώγιμο μονοπάτι παράγει μια ξαφνική ηλεκτρική απόκριση παρόμοια με τη δραστηριοποίηση ενός νευρώνα. Η προκύπτουσα συσκευή μπορεί να παράγει ένα ευρύ φάσμα σημάτων, συμπεριλαμβανομένων μεμονωμένων ακίδων, συνεχούς δραστηριότητας, και προτύπων εκρήξεων, αναπαράγοντας στενά την πραγματική νευρική επικοινωνία.

Επειδή κάθε τεχνητός νευρώνας μπορεί να παράγει πιο σύνθετα σήματα, απαιτούνται λιγότερα εξαρτήματα για την εκτέλεση προηγμένων εργασιών. Αυτό θα μπορούσε να βελτιώσει σημαντικά την υπολογιστική αποδοτικότητα.

Δοκιμάζοντας Τεχνητούς Νευρώνες σε Ζωντανό Εγκεφαλικό Ιστό

Για να αξιολογήσουν εάν οι τεχνητοί νευρώνες θα μπορούσαν πραγματικά να αλληλεπιδράσουν με ζωντανά συστήματα, οι ερευνητές συνεργάστηκαν με την Indira M. Raman, καθηγήτρια Νευροβιολογίας στο Weinberg. Η ομάδα της εφάρμοσε τα τεχνητά σήματα σε τμήματα παρεγκεφαλίδας ποντικού.

Τα αποτελέσματα έδειξαν ότι οι ηλεκτρικές ακίδες ταίριαζαν με βασικές βιολογικές ιδιότητες, συμπεριλαμβανομένης της χρονικής στιγμής και της διάρκειάς τους. Αυτά τα σήματα ενεργοποίησαν αξιόπιστα τους πραγματικούς νευρώνες και προκάλεσαν νευρωνικά κυκλώματα με τρόπο παρόμοιο με τη φυσική εγκεφαλική δραστηριότητα.

“Άλλα εργαστήρια προσπάθησαν να δημιουργήσουν τεχνητούς νευρώνες με οργανικά υλικά, και είχαν πολύ αργές ακίδες,” είπε ο Hersam. “Ή χρησιμοποίησαν οξείδια μετάλλων, τα οποία είναι πολύ γρήγορα. Εμείς βρισκόμαστε εντός ενός χρονικού εύρους που δεν είχε επιδειχθεί προηγουμένως για τεχνητούς νευρώνες. Μπορείς να δεις τους ζωντανούς νευρώνες να ανταποκρίνονται στον τεχνητό μας νευρώνα. Έτσι, έχουμε επιδείξει σήματα που δεν είναι μόνο στη σωστή χρονική κλίμακα, αλλά και με το σωστό σχήμα ακίδας για να αλληλεπιδράσουν άμεσα με ζωντανούς νευρώνες.”

Χαμηλού Κόστους, Βιώσιμη Κατασκευή και Επιπτώσεις στην AI

Πέρα από την απόδοση, η νέα προσέγγιση προσφέρει περιβαλλοντικά και πρακτικά πλεονεκτήματα. Η διαδικασία κατασκευής είναι απλή και οικονομική, και η μέθοδος προσθετικής εκτύπωσης τοποθετεί υλικό μόνο εκεί που χρειάζεται, μειώνοντας τη σπατάλη.

Η βελτίωση της ενεργειακής αποδοτικότητας είναι ιδιαίτερα σημαντική καθώς τα συστήματα τεχνητής νοημοσύνης γίνονται πιο απαιτητικά. Μεγάλα κέντρα δεδομένων ήδη καταναλώνουν τεράστιες ποσότητες ενέργειας και απαιτούν σημαντική ποσότητα νερού για την ψύξη.

“Για να καλύψουμε τις ενεργειακές ανάγκες της AI, οι εταιρείες τεχνολογίας κατασκευάζουν κέντρα δεδομένων χωρητικότητας γιγαβάτ που τροφοδοτούνται από αποκλειστικούς πυρηνικούς σταθμούς,” είπε ο Hersam. “Είναι προφανές ότι αυτή η τεράστια κατανάλωση ενέργειας θα περιορίσει περαιτέρω την κλιμάκωση των υπολογιστών, καθώς είναι δύσκολο να φανταστεί κανείς ένα κέντρο δεδομένων επόμενης γενιάς που να απαιτεί 100 πυρηνικούς σταθμούς. Το άλλο θέμα είναι ότι όταν διαχέεις γιγαβάτ ενέργειας, υπάρχει πολλή θερμότητα. Επειδή τα κέντρα δεδομένων ψύχονται με νερό, η AI ασκεί σοβαρή πίεση στον υδάτινο πόρο. Όπως και να το δει κανείς, πρέπει να βρούμε πιο ενεργειακά αποδοτικό υλικό για την AI.”