A Pesquisa coloca o fundamento para desenvolver o neuroprosthetics biomimetic do ` realístico'

Aplicando um algoritmo novo do computador para imitar como o cérebro aprende, uma equipe dos pesquisadores - com o auxílio do super-computador do Cometa baseou no Centro do Super-computador de San Diego (SDSC) em Uc San Diego e no Gateway da Neurociência do Centro - identificou e os circuitos neurais replicated que se assemelham à maneira um cérebro não enfraquecido controla o movimento do membro.

A pesquisa, publicada na introdução De março-maio de 2017 do Jornal do IBM da Investigação e Desenvolvimento, coloca o fundamento para desenvolver “o neuroprosthetics biomimetic realístico” -- implantes do cérebro que o cérebro replicate circuita e sua função -- que um dia poderia substituir perdido ou os neurónios ou o tecido danificado dos tumores, afagam, ou outras doenças.

“Nos pacientes com paralisia do motor, o neuroprosthetic biomimetic poderia ser usado para substituir o córtice de motor deteriorado onde poderia interagir directamente com as regiões saudáveis do pre-motor do cérebro, e envia comandos e recebe o feedback através da medula espinal a um braço protético,” disse W.W. Lytton, um professor da fisiologia e da farmacologia na Universidade Estadual do Centro Médico de New York (SUNY) Downstate em Brooklyn, em N.Y., e no investigador principal do estudo.

Esta encenação, retratada no papel do IBM intitulado “optimização Evolucionária do algoritmo de parâmetros de aprendizagem biológicos em um neuroprosthesis biomimetic”, exigiu o informática de alto rendimento e a experiência simular e avaliar modelos de computador potenciais em uma maneira automatizada, junto com o Gateway da Neurociência (NSG) baseado em SDSC, que forneceu uma entrada a estes recursos.

“A complexidade crescente do braço virtual, que incluiu muitos processos biomecânicos realísticos, e a dinâmica mais desafiante do sistema neural, chamada para métodos mais sofisticados e a computação altamente paralela em um sistema tal como o Cometa para abordar milhares das possibilidades modelo,” disse Amit Majumdar, director da divisão de Computação Científica Permitida Dados em SDSC, investigador principal do NSG, e co-autor do papel do Jornal do IBM.

“Combinar estas vantagens computacionais pode ser uma aproximação eficaz para construir neuroprostheses biomimetic ainda mais realísticos para as aplicações clínicas futuras,” adicionou.

Fundindo Princípios Computacionais e Biológicos

Ao longo da última década ou Assim, os pesquisadores têm tentado fundir computacional e os princípios biológicos para criar os modelos de computador realísticos que formariam a base para os circuitos ou os implantes neurais silicone-baseados que substituiriam danificaram o tecido de cérebro. Neste campo emergente, um objetivo fundamental foi a descodificação dos sinais elétricos gravados do cérebro para mover, por exemplo, um braço protético. Na ficção científica uma vez considerada das encenações, as técnicas que codificam sinais neurais de um braço virtual protético ao cérebro estão permitindo agora que os usuários sentissem o que estão tocando.

Isso dito, pesquisadores reconhece agora que controlando os sistemas ainda mais realísticos e complexos, incluindo os membros protéticos que envolvem números maiores de ossos, as junções e os músculos, exigem os modelos de computador que se assemelham mais pròxima a circuitos reais do cérebro.

Para obter mais perto deste objetivo, os pesquisadores neste estudo confiaram em diversos conceitos inspirados pela biologia para criar uma rede neural artificial mais realística que permitisse que o córtice de motor aprenda dirigir um braço virtual - consistindo em oito ossos, em sete junções e em 14 ramos do músculo - a um target.ere especificado, H

O modelo biomimetic na pergunta envolveu mais de 8.000 neurônios de cravação e aproximadamente 500.000 conexões synaptic. O componente principal consistiu nos microcircuitos preliminares do córtice de motor baseados no traço da actividade de cérebro, conectado a um modelo dos circuitos da medula espinal e do braço virtual.

“Nós argumentimos aquele para que o modelo responda em uma maneira biophysiologically realística às entradas dinâmicas em curso do cérebro real, precisa de reproduzir de tão perto quanto possível a estrutura e função ou pilhas e microcircuitos corticais reais,” disse Salvador Dura-Bernal, um professor adjunto da pesquisa na fisiologia e na farmacologia com Downstate, e autor do papel primeiro.

Como esboçado, os pesquisadores treinaram seus plasticidade e reforço dependentes de utilização (STDP) modelo do ponto-sincronismo que aprendem, acreditados ser a base para a memória e aprendendo em cérebros mamíferos. Momentaneamente, o processo refere a capacidade de conexões synaptic para transformar-se mais forte baseado em quando são activados com relação a se, engrenado com um sistema de recompensas ou de punições bioquímicas que estão amarradas para corrigir ou decisões incorrectas.

Neste caso, o sinal da recompensa é baseado na capacidade do modelo de computador para controlar como próximo uma mão virtual vem a um alvo. Se a mão se aproximou o alvo, as sinapses que geram esse movimento foram recompensadas; se a mão era mais distante, aquelas sinapses foram punidas.

Identificar o melhor reforço que aprende o modelo exigiu a identificação de um grupo óptimo de características ou de parâmetros; entre outros, estes incluem a aprendizagem e taxas exploratórias do movimento, duração do treinamento, e ponto inicial do comando do motor medido nos pontos.

Algoritmo “Evolucionário” Empregado

Para isolar o reforço que aprende os parâmetros que renderam o melhor controle sobre um braço virtual, os pesquisadores giraram para “algoritmos evolucionários.” A metodologia segue os princípios de evolução biológica, onde uma população dos indivíduos, cada um que representa um grupo de genes ou de parâmetros, evolua sobre gerações até que um delas alcances um nível desejado da aptidão. Com cada geração, os indivíduos são avaliados e seleccionados para a reprodução, produzem a prole nova cruzando seus genes e aplicando mutações aleatórias, e são substituídos subseqüentemente por uma prole mais apta.

“Somente os indivíduos os mais aptos permanecem,” disse Dura-Bernal, “aqueles modelos que podem aprender melhor, sobreviver e propagar a seus genes.”

Aplicado a este sistema, cada gene individual representa um modelo com um grupo particular de aprender parâmetros. A aptidão do indivíduo é a capacidade do modelo para aprender controlar o braço virtual baseado em sinais reais do cérebro.

Para seu estudo, os pesquisadores evoluíram uma população de 60 indivíduos (modelos com parâmetros de aprendizagem diferentes) sobre 1.000 gerações, onde em cada geração um grupo novo de características foi avaliado para medir sua aptidão. Medir a aptidão exigiu a formação do sistema inteiro (entrada do pre-motor, córtice de motor, medula espinal, braço virtual) por um período de tempo e então o teste de cada um dos dois sentidos (saiu e endireitam) para verificar como executa. O processo necessário para ser repetido para cada indivíduo e cada geração.

Seis Anos Usando um Único Processador

Ao aumento mais ulterior as possibilidades de encontrar uma solução óptima, pesquisadores girados para da “uma aproximação modelo ilha”, que dividisse a população total de 60 indivíduos nos subgrupos, cada qual evoluíram independente. Além Disso, depois dos princípios de evolução biológica, um indivíduo seria migrado periòdicamente a uma ilha diferente, introduzindo genes novos para aumentar as possibilidades de encontrar uma combinação nova de genes com a melhor aptidão ou desempenho.

“Integrar “o modelo paralelo da ilha” no Cometa exigiu algum trabalho, mas na extremidade nós fizemo-la trabalhar para apressar mais o processo,” disse Subhashini Sivagnanam, um especialista de computação científico superior em SDSC, co-PI do projecto NSF-financiado do NSG, e um co-autor do papel do Jornal do IBM.

“Desde Que os milhares de combinações do parâmetro precisam de ser avaliados, este é somente possível executando as simulações usando recursos da HPC tais como aquelas fornecidas por SDSC,” Dura-Bernal disse. “Nós calculamos que isso usar um único processador em vez do sistema do Cometa tomaria quase seis anos para obter os mesmos resultados.”

Os estudos Futuros centrar-se-ão sobre desenvolver modelos ainda mais realísticos dos microcircuitos preliminares do córtice de motor para ajudar a compreender e decifrar o código neural - como a informação é codificada e transmitida no cérebro.

“Nós sublinhamos o conceito de cobrir escalas múltiplas, do molecular, com o celular, até o nível de rede,” disse Dura-Bernal. “Isto será instrumental em compreender e em tratar desordens do cérebro tais como a epilepsia, a esquizofrenia, o Parkinson, a paralisia do motor, a depressão, ou a amnésia.”

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