Zinātnieki veido mākslīgo neironu mikroshēmu, kas var atpazīt bioloģiskos signālus reālā laikā

Pašreizējie neironu tīkla algoritmi rada iespaidīgus rezultātus un palīdz atrisināt pārsteidzošu problēmu skaitu. Tomēr elektroniskās ierīces, ko izmanto šo algoritmu palaišanai, joprojām nepieciešama milzīga apstrādes jauda. Kad runa ir par reāllaika apstrādi sensorās informācijas vai mijiedarbību ar vidi, šīs mākslīgās intelekta (AI) sistēmas vienkārši nevar konkurēt ar faktiskajām smadzenēm. Un Neuromorphic Engineer ir daudzsološa jauna metode, kas veido tiltu starp mākslīgo intelektu un dabisko inteliģenci.

Starpdisciplinārā pētniecības komanda Cīrihes Universitātē, Cīrihes un universitātes Cīrihes universitātes slimnīca izmantoja šo metodi, lai izstrādātu mikroshēmu, pamatojoties uz neiromorfisko tehnoloģiju, kas var droši un precīzi noteikt sarežģītus bioloģiskos signālus. Zinātnieki varēja izmantot šo tehnoloģiju, lai veiksmīgi atklātu iepriekš ierakstītos augstfrekvences svārstības (HFO). Šie konkrētie viļņi, kas izmērīti, izmantojot intrakraniālo elektroencefalogrāfiju (IEEG), ir izrādījušās daudzsološus biomarkerus, lai identificētu smadzeņu audus, kas izraisa krampjus.

Pētnieki vispirms izstrādāja algoritmu, lai atklātu HFO, imitējot dabisko neironu tīklu smadzenēs: mazs tā sauktais smaile neironu tīkls (SNN). Otrais solis ir ieviest SNN nagu izmēra aparatūru, kas saņem neironu signālus caur elektrodiem. Atšķirībā no tradicionālajiem datoriem, tai ir milzīga energoefektivitāte. Tas padara aprēķinus ar ļoti augstas laika izšķirtspēju, iespējams, nepaļaujoties uz internetu vai mākoņdatošanu.

Giacomo Indivivi, Cīrihes Universitātes Universitātes un eth Cīrihes institūta profesors, sacīja: "Mūsu dizains ļauj atpazīt spatiotemporālos modeļus bioloģiskajos signālos reālajā laikā."

Pētnieki tagad plāno izmantot savus secinājumus, lai izveidotu elektronisku sistēmu droši identificēt un uzraudzīt HFO reālā laikā. Lietojot kā papildu diagnostikas rīku operācijas telpā, sistēma var uzlabot neiroķirurģisko intervenču rezultātus.

Tomēr tas nav vienīgais apgabals, kurā HFO identifikācijai var būt svarīga loma. Team ilgtermiņa mērķis ir izstrādāt ierīci epilepsijas uzraudzībai, ko var izmantot ārpus slimnīcas, kas ļaus analizēt lielu skaitu elektrodu signālus dažu nedēļu vai mēnešu laikā.

Johannes Sarnthein, neirofiziologs Zurich universitātes slimnīcā, paskaidro: "Mēs vēlamies integrēt ar zemu enerģiju bezvadu datu pārraidi dizainā - piemēram, lai savienotu to ar mobilo tālruni. Portatīvo vai implantējamu mikroshēmu, piemēram, tas var atpazīt augstāku krampju ātrumu. Augsts vai zems periods, kas ļaus mums nodrošināt personalizētu medicīnu. "