Японские учёные обучили нейроны мозга крыс генерировать сложные временные сигналы с помощью машинного обучения в реальном времени

Они соединили нейроны с микроэлектродами и микрофлюидными устройствами, создав замкнутую систему "резервуарных вычислений". В итоге сеть научилась воспроизводить периодические и хаотические волны без внешнего воздействия.

Исследователи из Университета Тохоку и Университета Хакодате разработали замкнутую систему, где живые нейроны взаимодействуют с электроникой. Такая сеть не просто передает сигналы, а учится в реальном времени, корректируя свое поведение. В основе эксперимента лежит метод резервуарных вычислений, который использует сложные динамические системы, такие как живая нейронная сеть, для преобразования сигналов. Обычно эту задачу выполняют искусственные нейронные сети, но здесь ее впервые выполнила биологическая система.

Активность нейронов регистрировалась с помощью массива из 26 400 микроэлектродов с шагом 17,5 микрометров. Полученные импульсы преобразуются в непрерывный сигнал и возвращаются в нейронную сеть в виде стимуляции. Этот цикл повторяется каждые 333 миллисекунды, обеспечивая непрерывную обратную связь.

Для обучения системы использовался алгоритм FORCE (First-Order Reduced and Controlled Error), который в реальном времени подбирает параметры и уменьшает ошибку между желаемым и фактическим сигналом. Это позволило сети не просто реагировать, а воспроизводить заданные временные паттерны.

Ключевую роль сыграла архитектура системы. Исследователи использовали микрофлюидные пленки из полидиметилсилоксана (PDMS) для ограничения способов соединения нейронов. Без таких ограничений нейроны образуют плотные, высокосинхронизированные сети, которые не способны к обучению.

В новой системе нейроны были распределены по 128 лункам размером 100?100 микрометров, каждая из которых содержала в среднем 14,6 клеток. Эти лунки соединялись микроканалами в двух конфигурациях: решетчатой и иерархической, что позволило контролировать связи между нейронами.

Этот подход значительно снизил избыточную синхронность нейронов: если в обычных культурах они активировались согласованно на 45%, то в новой системе этот показатель снизился до 11–12%. Благодаря этому сеть смогла генерировать различные типы сигналов, включая синусоидальные волны с периодами 4, 10 и 30 секунд, а также треугольные и прямоугольные формы. Она также приблизилась по поведению к хаотической системе — аттрактору Лоренца, с точностью более 80%.

Однако технология пока не идеальна. После завершения обучения точность ухудшается, и ошибка растет в 99% случаев. Кроме того, задержка в контуре обратной связи ограничивает способность системы отслеживать быстро меняющиеся или резкие волновые формы. Тем не менее, как отметил профессор Хидеаки Ямамото, такие системы открывают новый тип вычислительных ресурсов.

Телеграм: t.me/ainewsline

Источник: vk.com

Комментарии: