La Recherche étend le travail préparatoire pour développer le neuroprosthetics biomimetic de ` réaliste'

En appliquant un algorithme nouvel d'ordinateur pour imiter comment le cerveau apprend, une équipe de recherche - à l'aide du superordinateur de Comète basé au Centre de Superordinateur de San Diego (SDSC) à Uc San Diego et à la Passerelle de la Neurologie du Centre - a recensé et les circuits neuraux reproduits qui ressemblent à la voie un cerveau intact règle le mouvement de membre.

La recherche, publiée dans l'édition Mars-mai 2017 du Tourillon d'IBM de la Recherche et développement, étend le travail préparatoire pour développer réaliste « le neuroprosthetics biomimetic » -- implants de cerveau que le cerveau replié circuite et leur fonctionnement -- qu'un jour pourrait remonter perdu ou les cellules du cerveau abîmées ou le tissu des tumeurs, frottent, ou d'autres maladies.

« Dans les patients présentant la paralysie de moteur, le neuroprosthetic biomimetic pourrait être employé pour remonter le cortex moteur détérioré où il pourrait agir l'un sur l'autre directement avec des régions saines de pré-moteur de cerveau, et envoie des commandes et reçoit le contrôle par retour de l'information par l'intermédiaire de la moelle épinière à un bras prothétique, » a dit W.W. Lytton, un professeur de la physiologie et de la pharmacologie à l'Université De L'Etat Du Centre Médical de New York (SUNY) Downstate à Brooklyn, en N.Y., et l'investigateur principal de l'étude.

Ce scénario, dépeint dans le papier d'IBM intitulé « optimisation Évolutionnaire d'algorithme des paramètres de apprentissage biologiques dans un neuroprosthesis biomimetic », a exigé du calcul haute performance et des compétences de simuler et évaluer les types d'ordinateur potentiels d'une voie robotisée, avec la Passerelle de Neurologie (NSG) basée à SDSC, qui a fourni une entrée à ces moyens.

« La complexité croissante du bras virtuel, qui a compris beaucoup de procédés bioméchaniques réalistes, et la dynamique plus provocante du système neural, appelée pour des méthodes plus sophistiquées et calculer hautement parallèle dans un système tel que la Comète pour aborder des milliers de possibilités modèles, » a dit Amit Majumdar, directeur de la division Calculante Scientifique Activée par Données à SDSC, investigateur principal du NSG, et co-auteur du papier de Tourillon d'IBM.

La « Combinaison de ces avantages de calcul peut être un élan pertinent pour établir les neuroprostheses biomimetic bien plus réalistes pour de futures applications cliniques, » il a ajouté.

Fixer des Principes De Calcul et Biologiques

Au cours de la dernière décennie ou ainsi, les chercheurs avaient essayé de fixer des principes de calcul et biologiques pour produire les types d'ordinateur réalistes qui formeraient la base pour les circuits neuraux silicium-basés ou les implants qui remonteraient le tissu cérébral abîmé. Dans ce domaine apparaissant, un but premier a été décoder des signes électriques enregistrés du cerveau pour déménager, par exemple, un bras prothétique. Dans la science-fiction une fois considérée de scénarios, de juger les techniques qui encodent les signes neuraux d'un bras virtuel prothétique au cerveau permettent maintenant à des utilisateurs ce qu'elles touchent.

Cela dit, chercheurs identifient maintenant que réglant les systèmes bien plus réalistes et complexes, y compris les membres prothétiques concernant de plus grands numéros des os, les articulations et les muscles, exigent les types d'ordinateur qui ressemblent plus attentivement aux circuits réels de cerveau.

Pour obtenir plus près de cet objectif, les chercheurs dans cette étude ont compté sur plusieurs concepts inspirés par biologie pour produire un réseau neuronal artificiel plus réaliste qui permet au cortex moteur d'apprendre à diriger un bras virtuel - se composant de huit os, de sept articulations et de 14 branchements de muscle - vers un target.ere spécifique, H

Le modèle biomimetic en question a comporté plus de 8.000 neurones clouants et environ 500.000 connexions synaptiques. La composante principale s'est composée des microcircuits primaires de cortex moteur basés sur le mappage d'activité cérébrale, connecté à un modèle de circuits de la moelle épinière et du bras virtuel.

« Nous discutons cela pour que le modèle réponde d'une façon biophysiologically réaliste aux puissances d'entrée dynamiques actuelles du cerveau réel, il doit reproduire aussi près que possible la structure et le fonctionnement ou les cellules et les microcircuits corticaux réels, » a dit Salvador Dura-Bernal, un professeur d'aide à la recherche en physiologie et pharmacologie avec Downstate, et le papier écrivent d'abord.

Comme donné, les chercheurs ont formé leur modèle utilisant la plasticité dépendante et (STDP) l'apprentissage par renforcement d'épi-synchronisation, pensés pour être la base pour la mémoire et apprentissage dans les cerveaux mammifères. Brièvement, le procédé se rapporte à la capacité des connexions synaptiques de devenir basé plus intense sur quand ils sont lancés par rapport à l'un l'autre, maillé avec un système des récompenses ou des punitions biochimiques qui sont attachées pour rectifier ou des décisions incorrectes.

Dans ce cas, le signe de récompense est basé sur la capacité du type d'ordinateur de régler combien proche une main virtuelle vient à un objectif. Si la main obtenait près de l'objectif, des synapses produisant de ce mouvement ont été récompensées ; si la main était plus loin, ces synapses ont été punies.

Le Recensement du meilleur modèle d'apprentissage par renforcement a exigé l'identification d'un ensemble optimal de caractéristiques ou de paramètres ; notamment, ceux-ci comprennent l'apprentissage et les tarifs exploratoires de mouvement, la durée de la formation, et le seuil de commande de moteur mesuré dans les épis.

Algorithme « Évolutionnaire » Utilisé

Pour isoler les paramètres d'apprentissage par renforcement qui ont fourni la maîtrise des puits au-dessus d'un bras virtuel, les chercheurs se sont tournés vers « des algorithmes évolutionnaires. » La méthodologie suit les principes de l'évolution biologique, où une population des personnes, chacune qui représente un ensemble de gènes ou de paramètres, évolue au-dessus des rétablissements jusqu'à ce que l'un d'entre eux des extensions un niveau désiré de forme physique. Avec chaque rétablissement, des personnes sont évaluées et sélectées pour la reproduction, produisent la progéniture neuve en croisant leurs gènes et en appliquant des mutations irrégulières, et ultérieurement sont remontées par une progéniture plus en bonne santé.

« Seulement les personnes les plus en bonne santé restent, » a dit Dura-Bernal, « ces modèles qui peuvent apprendre mieux, survivre et propager leurs gènes. »

Appliqué à ce système, chaque gène individuel représente un modèle avec un ensemble particulier d'apprendre des paramètres. La forme physique de la personne est la capacité du modèle d'apprendre à régler le bras virtuel basé sur les signes réels de cerveau.

Pour leur étude, les chercheurs ont évolué une population de 60 personnes (modèles avec différents paramètres de apprentissage) plus de 1.000 rétablissements, où à chaque rétablissement un ensemble neuf de caractéristiques a été évalué pour mesurer sa forme physique. La Mesure de la forme physique a exigé former le système entier (puissance d'entrée de pré-moteur, cortex moteur, moelle épinière, bras virtuel) pendant un laps de temps et puis tester chacun des deux sens (left and right) pour contrôler comment elle exécute. Le procédé a dû être répété pour chaque personne et chaque rétablissement.

Six Ans Utilisant un Monoprocesseur

À un accroissement plus ultérieur les possibilités de trouver une solution optimale, les chercheurs tournés à un élan modèle de « île », qui a divisé la population totale de 60 personnes en sous-groupes, qui ont évolué indépendamment. De Nouveau, après des principes d'évolution biologique, une personne périodiquement serait migrée à une île différente, introduisant les gènes neufs pour augmenter les possibilités de trouver une combinaison neuve des gènes avec une meilleure forme physique ou performance.

« Intégrer « le modèle parallèle d'île » sur la Comète a exigé un certain travail, mais à la fin nous l'avons fait fonctionner pour accélérer davantage le procédé, » a dit Subhashini Sivagnanam, un spécialiste calculant scientifique supérieur à SDSC, à Co-PI du projet financé par le NSF du NSG, et à un co-auteur du papier de Tourillon d'IBM.

« Puisque des milliers de combinaisons de paramètre doivent être évalués, c'est seulement possible en faisant fonctionner les simulations utilisant des moyens de CHP comme ceux fournis par SDSC, » Dura-Bernal a dit. « Nous avons estimé que cela utilisant un monoprocesseur au lieu du système de Comète aurait pris presque six ans pour obtenir les mêmes résultats. »

Les Futures études se concentreront sur développer les modèles bien plus réalistes des microcircuits primaires de cortex moteur pour aider à comprendre et déchiffrer l'indicatif neural - comment l'information est encodée et transmise dans le cerveau.

« Nous mettons l'accent sur le concept de couvrir les échelles multiples, du moléculaire, par le cellulaire, jusqu'au niveau de réseau, » a dit Dura-Bernal. « Ce sera instrumental en comprenant et en traitant des troubles cérébraux tels que l'épilepsie, la schizophrénie, le Parkinson, la paralysie de moteur, la dépression, ou l'amnésie. »

Source : http://ucsdnews.ucsd.edu/pressrelease/sdscs_comet_helps_replicate_brain_circuitry_to_direct_a_realistic_prostheti