Мухина Ирина Васильевна, доктор биологических наук, профессор, заведующий кафедрой нормальной физиологии им. Н.Ю. Беленкова Приволжского исследовательского медицинского университета
Нейрогибридные системы — нейроморфные чипы, связанные с живыми нервными клетками. Основная сфера применения нейрогибридных систем — нейропротезирование и создание биосенсоров. Однако в будущем они могут стать основой компьютерных технологий нового поколения. Мозг человека содержит десятки миллиардов нейронов и до квадриллиона синапсов (контактов между двумя нервными клетками). Нейроны через синапсы связаны друг с другом в локальные и иерархичные нейронные сети, которые постоянно реагируют на любые входящие сигналы или поддерживают спонтанную биоэлектрическую активность в отсутствие внешних сигналов при минимальной затрате энергии. Понятно, что на сегодняшний день развития микроэлектроники и вычислительной техники даже самым современным процессорам не под силу создать даже небольшую часть этой уникальной природной системы. Современные компьютерные технологии развиваются по двум основным направлениям: логическому и нейроморфному. Первый ориентирован на создание все более мощных и производительных машин, построенных по традиционному принципу. Второй — на разработку компьютерных систем, имитирующих работу человеческого мозга, и в конечном итоге – на создание его искусственного аналога. Один из секретов эффективности мозга в том, что его клетки — нейроны — одновременно выполняют функции процессора и устройства памяти. А в большинстве современных вычислительных устройств эти два функциональных блока разнесены.
Технология «мозг-на-чипе» или «мозг в пробирке»
Нейрогибридные системы активно исследуют с конца 20-го века, когда были проведены первые эксперименты по обучению нейрональной культуры — сети из десятков тысяч живых нейронов, выращенных "в пробирке". Биологические нейронные сети обладают рядом отличий от искусственных нейронных сетей: (1) активность нейронов при передаче и обработке нервных импульсов регулируется свойствами мембраны; (2) функции нейрона могут меняться и адаптироваться к условиям среды (рН, температура, жесткость, геометрия, состав и др.); (3) схемы проводящих путей мозга являются генетически запрограммированными; (4) в процессе развития мозга возможно локальное изменение нейронных сетей с формированием новых соединений между нейронами (пластичность нейронных сетей); (5) нейронные сети взаимодействуют с клетками мозга других типов (астроцитарные сети, микроглия), имеющими отличные от нейронов временные и пространственные характеристики; (6) разрешение нейронных сетей: пространственное – мкм, временное – мс; (7) нейронные сети могут формировать временные функциональные системы. Изъятые из организма нейроны вместе с другими клетками мозга могут быть выращены на специальных чипах с сотнями и тысячами микроэлектродов, которые будут регистрировать биоэлектрическую активность отдельных нейронов в виде внеклеточных потенциалов действия (импульсов). Кооперативная активность нейронов в составе простых и сложных нейронных сетей in vitro повторяет все характеристики биологических нейронных сетей целостного мозга, а значит, можно заглянуть на клеточном уровне в таинство обработки информации в мозге. И не просто подсмотреть с помощью электрофизиологических и оптических методов за активностью сетей, а проконтролировать – простимулировать различными входными сигналами, получить ответ on-line.
Как понять язык нейронных сетей in vitro?
Важно научиться понимать язык нейронных сетей, культивируемых на чипе, ведь обычно в целостном организме мы регистрируем интегральный ответ мозга через какие-то действия: движения или речь, например. А в случае нейронной сети в пробирке у нас нет исполнительного органа – сенсорного или моторного. Но зато есть богатый набор или паттерн импульсов (сетевая пачка импульсов), который и отражает объективно процесс переработки информации. Например, система, названная Brainoware, представляет собой подключенный к микросхемам "мини-мозг" — органоид из нейронов, выращенных из плюрипотентных стволовых клеток человека. Исследователи поместили фрагмент культивированной нервной ткани на пластину с тысячами электродов, соединяющих устройства ввода и вывода, в качестве которых использовали обычные компьютеры. Нейронная сеть органоида способна преобразовывать звуки в набор электрических сигналов. Если на выходе поместить датчик, декодирующий их с помощью алгоритмов машинного обучения, то получится готовая система распознавания речи с помощью реальной нейронной сети – быстро и без затраты энергии.
От теории к практике применения нейрогибридных устройств
Основная проблема нейронных культур in vitro связана с однородной сетевой структурой, которая развивается в клетках со случайным рисунком на подложке. За последнее десятилетие были разработаны новые методы нейроинженерии для контроля положения клеток и направления роста аксонов и дендритов. Недавно было показано, что основная особенность топологии функциональной сети в виде однонаправленной синаптической связи между кластерами клеток также может быть сконструирована с использованием микрофлюидной технологии. Будучи имплантированными в поврежденный мозг, такие инструменты манипулирования структурой сети позволяют имитировать области мозга, которые участвуют в рефлекторной активности, поиске паттернов в многослойной однонаправленной сети для восстановления нервной ткани после травмы головного мозга.
Биосовместимость и механическое соответствие материалов являются ключевыми проблемами, возникающими на пути к нейронной интеграции. Эти проблемы уже решались во многих коммерческих мультиэлектродных системах с использованием золота, платины, оксида индия-олова (ITO) и нитрида титана (TiN) в качестве электродных материалов. Отношение сигнал/шум (SNR) сильно зависит от биологической части системы и может быть увеличено за счет малого импеданса регистрирующих электродов. Чтобы уменьшить импеданс и повысить эффективность передачи заряда, площадь поверхности электродов покрывают пористыми проводящими материалами, такими как Pt-black, наночастицы Au, углеродные нанотрубки (УНТ) и проводящие полимеры, такие как поли (3,4- этилендиокситиофен) (PEDOT). Более того, повышенная биосовместимость была продемонстрирована для электродов с наноструктурированной пористой поверхностью в виде PEDOT: PSS с лазерным микропаттерном. Следующий уровень улучшенной совместимости электродов с клетками или живой тканью основан на использовании материалов внеклеточного матрикса (белки, полисахариды), которые повышают адгезивные свойства электродов и снижают риск воспалительных процессов.
Нейрогибридный мемристивный чип
Перспективным является и быстроразвивающееся направление в области искусственного интеллекта по созданию нейрогибридного мемристивного чипа, основанного на комбинации живых нейронных сетей, выращенных в микрофлюидной / микроэлектродной системе, металлоксидных мемристивных устройств или матриц, интегрированных со слоем CMOS со смешанным сигналом, для управления аналоговыми мемристивными схемами, обработки декодированной информации и организации обратной стимуляции биологической культуры как частей двунаправленного нейроинтерфейса. Основное внимание уделяется современным подходам к культивированию и пространственному упорядочению сети диссоциированных нейронных клеток мозга, изготовлению крупномасштабного массива мемристивных устройств, адаптированных с использованием приборостроения, резистивного программирования состояний или нелинейной динамики, а также аппаратной реализации нейронных сетей spiking neural networks (SNN) на основе массивов мемристивных устройств и интегрированной КМОП-электроники. Концепция представляет собой пример системы "мозг-на-чипе", принадлежащей к более общему классу мемристивных нейрогибридных систем для робототехники нового поколения, искусственного интеллекта и персонализированной медицины, обсуждаемой в рамках предлагаемой дорожной карты на период следующего десятилетия.
Быстрый прогресс во внедрении мемристивных нейроморфных систем позволяет не только ожидать в ближайшем будущем создания мозгоподобных сетей с мемристивной пластичностью для новых компьютерных парадигм, но и сделать следующий шаг: разработать мемристивные нейрогибридные системы на основе внутренней аналогии свойств мемристивных и природных биологических нейронных сетей. По мере роста количества доступных мемристивных нейронов и совершенствования технологии их изготовления можно ожидать увеличения числа инновационных решений для переосмысления нейронных структур в виде электронных мемристивных схем со все более биологически правдоподобными функциями.
#мининский #mininuniver #десятилетиенауки #МинобрнаукиРоссии #популяризациянауки