Ученые Курчатовского института совместно с коллегами из Казанского федерального университета разработали самообучающуюся модель

Ученые Курчатовского института совместно с коллегами из Казанского федерального университета разработали самообучающуюся модель, которую в перспективе можно использовать для создания нейропротезов для пациентов с повреждением спинного мозга.

Мемристоры — аналоговые микроэлектронные компоненты, способные имитировать синаптическую пластичность, которой обладают нейроны мозга. Это свойство заключается в том, что синапс (контакт между нейронами) передает сигнал от одной клетки к другой с разной эффективностью. Например, при запоминании информации связи между нейронами укрепляются, и передача импульсов между ними усиливается.

Исследователи записали активность «ансамблей» нервных клеток, связанных друг с другом в модельной нейронной сети, регулирующей аналог моторной активности одной из конечностей животного. После разрыва синаптической связи между группами этих нейронов контакты-синапсы были заменены мемристорами, которые «обучили» проводить сигналы с определенной пропускной способностью. Ученым удалось добиться такой передачи сигнала, как будто между группами нейронов не было разрыва.

«Созданная нами модель способна самообучаться, то есть адаптироваться к тем сенсорным откликам, которые генерирует моделируемая конечность при нормальной ходьбе», — рассказывает Мария Серенко, лаборант-исследователь группы нейроморфных систем лаборатории технологий искусственного интеллекта НИЦ «Курчатовский институт».

По словам исследователей, в будущем можно будет создать адаптивный нейропротез с мемристивными синапсами, который возьмет на себя роль поврежденного участка спинного мозга. Устройство будет способно самонастраиваться и адаптироваться под конкретные моторные навыки пациента. При этом вполне возможно, что нейронный протез позволит не только восстановить моторные навыки, но и приобрести новые.

В настоящее время ученые Курчатовского института работают над тестированием разработки в новых модельных условиях, еще более приближенных к реальным.

Источник: vk.com

Комментарии: