Nieuwe hersencelachtige nanodevices werken samen om mutaties in virussen te identificeren

In het septembernummer van het tijdschrift Natuur, Wetenschappers van Texas A&M University, Hewlett Packard Labs en Stanford University hebben een nieuw nano-apparaat beschreven dat bijna identiek werkt aan een hersencel. Bovendien hebben ze aangetoond dat deze synthetische hersencellen kunnen worden samengevoegd tot ingewikkelde netwerken die vervolgens op een hersenachtige manier problemen kunnen oplossen.

“Dit is de eerste studie waarin we in staat zijn geweest om een ​​neuron na te bootsen met slechts een enkel apparaat op nanoschaal, dat anders honderden transistors nodig zou hebben”, zegt Dr. R. Stanley Williams, senior auteur van de studie en professor in de afdeling van Elektrische en computertechniek. “We zijn er ook in geslaagd om met succes de netwerken van onze kunstmatige neuronen te gebruiken om speelgoedversies van een reëel probleem op te lossen dat zelfs voor de meest geavanceerde digitale technologieën rekenkundig intens is.”

In het bijzonder hebben de onderzoekers aangetoond dat hun op de hersenen geïnspireerde systeem mogelijke mutaties in een virus kan identificeren, wat zeer relevant is voor het waarborgen van de werkzaamheid van vaccins en medicijnen voor stammen die genetische diversiteit vertonen.

In de afgelopen decennia zijn digitale technologieën kleiner en sneller geworden, grotendeels dankzij de vooruitgang in transistortechnologie. Deze kritieke circuitcomponenten naderen echter snel hun limiet van hoe klein ze kunnen worden gebouwd, waardoor een wereldwijde poging wordt ondernomen om een ​​nieuw type technologie te vinden dat transistors kan aanvullen of zelfs vervangen.

Naast dit “verkleining” -probleem hebben op transistor gebaseerde digitale technologieën nog andere bekende uitdagingen. Ze worstelen bijvoorbeeld met het vinden van optimale oplossingen wanneer ze met grote hoeveelheden gegevens worden gepresenteerd.

“Laten we een bekend voorbeeld nemen van het vinden van de kortste route van uw kantoor naar uw huis. Als u één tussenstop moet maken, is dat een vrij eenvoudig probleem om op te lossen. Maar als u om de een of andere reden 15 tussenstops moet maken, hebben 43 miljard routes om uit te kiezen, “zei Dr. Suhas Kumar, hoofdauteur van de studie en onderzoeker bij Hewlett Packard Labs. “Dit is nu een optimalisatieprobleem, en de huidige computers zijn nogal onhandig in het oplossen ervan.”

Kumar voegde eraan toe dat een andere moeilijke taak voor digitale machines patroonherkenning is, zoals het identificeren van een gezicht als hetzelfde, ongeacht het standpunt, of het herkennen van een bekende stem begraven in een lawaai van geluiden.

Maar taken die digitale machines in een computationele tizzy kunnen sturen, zijn taken waarin de hersenen uitblinken. In feite zijn hersenen niet alleen snel in het herkennen en optimaliseren van problemen, maar verbruiken ze ook veel minder energie dan digitale systemen. Door na te bootsen hoe de hersenen dit soort taken oplossen, zei Williams dat hersen-geïnspireerde of neuromorfische systemen mogelijk enkele van de computationele hindernissen kunnen overwinnen waarmee de huidige digitale technologieën worden geconfronteerd.

Om de fundamentele bouwsteen van de hersenen of een neuron te bouwen, hebben de onderzoekers een synthetisch apparaat op nanoschaal samengesteld dat bestaat uit lagen van verschillende anorganische materialen, elk met een unieke functie. Ze zeiden echter dat de echte magie plaatsvindt in de dunne laag gemaakt van de samengestelde niobiumdioxide.

Wanneer er een kleine spanning op dit gebied wordt toegepast, begint de temperatuur ervan te stijgen. Maar wanneer de temperatuur een kritische waarde bereikt, ondergaat niobiumdioxide een snelle verandering van persoonlijkheid en verandert het van een isolator in een geleider. Maar naarmate het elektrische stromen begint te geleiden, daalt de temperatuur en schakelt niobiumdioxide terug naar een isolator.

Deze heen-en-weer-overgangen stellen de synthetische apparaten in staat een elektrische stroompuls te genereren die sterk lijkt op het profiel van elektrische pieken, of actiepotentialen, geproduceerd door biologische neuronen. Door de spanning over hun synthetische neuronen te veranderen, reproduceerden de onderzoekers verder een rijk scala aan neuronaal gedrag dat in de hersenen werd waargenomen, zoals aanhoudende, burst en chaotische afvuren van elektrische pieken.

“Het vastleggen van het dynamische gedrag van neuronen is een belangrijk doel voor op hersenen geïnspireerde computers”, zei Kumar. “In totaal waren we in staat om ongeveer 15 soorten neuronale afvuurprofielen na te maken, allemaal met behulp van een enkele elektrische component en met veel lagere energieën in vergelijking met transistorgebaseerde circuits.”

Om te evalueren of hun synthetische neuronen echte problemen kunnen oplossen, hebben de onderzoekers eerst 24 van dergelijke apparaten op nanoschaal met elkaar verbonden in een netwerk dat is geïnspireerd door de verbindingen tussen de hersenschors en thalamus, een bekende neurale route die betrokken is bij patroonherkenning. Vervolgens gebruikten ze dit systeem om een ​​speelgoedversie van het virale quasispecies-reconstructieprobleem op te lossen, waarbij mutante variaties van een virus worden geïdentificeerd zonder een referentiegenoom.

Door middel van data-inputs hebben de onderzoekers het netwerk geïntroduceerd bij korte genfragmenten. Door vervolgens de sterkte van de verbindingen tussen de kunstmatige neuronen in het netwerk te programmeren, stelden ze basisregels vast over het samenvoegen van deze genetische fragmenten. De puzzelachtige taak voor het netwerk was om op basis van deze korte genetische segmenten een lijst te maken van mutaties in het genoom van het virus.

De onderzoekers ontdekten dat hun netwerk van kunstmatige neuronen binnen een paar microseconden tot rust kwam in een toestand die indicatief was voor het genoom van een gemuteerde stam.

Williams en Kumar merkten op dat dit resultaat een bewijs van het principe is dat hun neuromorfe systemen taken snel en energiezuinig kunnen uitvoeren.

De onderzoekers zeiden dat de volgende stappen in hun onderzoek zullen zijn om het repertoire van de problemen die hun hersenachtige netwerken kunnen oplossen, uit te breiden door andere schietpatronen en enkele kenmerkende eigenschappen van het menselijk brein, zoals leren en geheugen, op te nemen. Ze zijn ook van plan hardware-uitdagingen aan te gaan voor het implementeren van hun technologie op commerciële schaal.

“Het berekenen van de staatsschuld of het oplossen van een of andere grootschalige simulatie is niet het soort taak waar het menselijk brein goed in is en daarom hebben we digitale computers. Als alternatief kunnen we onze kennis van neuronale verbindingen gebruiken om problemen op te lossen die de hersenen uitzonderlijk zijn. goed in, ”zei Williams. “We hebben aangetoond dat er, afhankelijk van het soort probleem, andere en efficiëntere manieren zijn om berekeningen uit te voeren dan de conventionele methoden met digitale computers met transistors.”