24.05.2020
Группа учёных работает над созданием мозгоподобных мемристивных систем, обеспечивающих высочайшую степень адаптивности, энергоэффективности, необходимую для реализации компактных и эффективных нейроинтерфейсов, робототехники нового поколения, искусственного интеллекта, умного города, персонализированной медицины и др.
Учеными Университета Лобачевского в сотрудничестве с другими коллегами из России, Италии, Китая и США впервые предложена концепция мемристивного нейрогибридного чипа для использования в компактных биосенсорах и нейропротезах.В основе концепции лежат существующие и перспективные решения на стыке нейронных клеточных и микрофлюидных технологий, позволяющие вырастить пространственно упорядоченную живую нейронную сеть, в сочетании с КМОП-совместимыми технологиями создания микроэлектродных матриц и массивов мемристивных устройств для регистрации, обработки и стимуляции в реальном времени биоэлектрической активности.
Со слов заведующего лабораторией Научно-исследовательского физико-технического института ННГУ, взаимодействие разных подсистем организуется на одном кристалле (чипе) и управляется встроенными аналого-цифровыми схемами.
Реализация такой биосовместимой микроэлектронной системы, наряду с развитием клеточных технологий, обеспечит прорыв в области нейропротезирования с важным конкурентным преимуществом: миниатюрный датчик биоэлектрической активности на основе микро- и наноструктур с возможностью хранения и обработки сигналов в режимах как прямого распространения, так и обратной связи будет играть роль активного нейроинтерфейса для интеллектуального управления нейрональными структурами. Такие возможности недостижимы на основе традиционных архитектур нейроинтерфейсов и могут быть распространены на другие типы биоэлектрических сигналов для решения проблем регистрации сигналов активности мозга, сердца и мышц, а также состояния кожи в составе носимых систем обработки сигналов и диагностики,
– подчеркнул Алексей Михайлов.
В настоящее время ученые для разработки и создания двунаправленных нейроинтерфейсов применяют сложные электронные схемы, реализующие специальные математические модели и нейроморфные принципы обработки информации. Такие электронные системы основаны на традиционной компонентной базе и не отвечают требованиям энергоэффективности и компактности для безопасного взаимодействия с живыми культурами или тканями на одном чипе.
Мемристоры, созданные учёными из России и Италии, обладают уникальным свойством нелинейной резистивной памяти и являются перспективными элементами аналоговых систем обработки информации, в том числе с нейроноподобной структурой, а также можгут служить датчиками электрофизиологической активности с функцией одновременного накопления и энергонезависимого хранения информации,
– отмечает Алексей Михайлов.
Предложенная нейрогибридная система схематически изображена на рисунке 1A и состоит из нескольких функциональных слоев, интегрированных на одном КМОП-чипе. Верхний слой является частью нейрональной системы, представленной здесь культурой диссоциированных клеток гиппокампа, выращенной на многоэлектродной матрице и функционально упорядоченной с использованием специальной схемы микрофлюидных каналов, показанной на рисунке 1B.
Микроэлектродный слой служит для внеклеточной регистрации и стимуляции нейронов in vitro и реализован в верхнем слое металлизации приборного слоя КМОП совместно с массивом мемристивных устройств (рисунок 1D).
Простейшей задачей, выполняемой мемристивными устройствами, является прямая обработка спайковой активности биологической сети (рисунок 1C), однако перспективные нейросетевые архитектуры на основе полносвязанных мемристивных массивов «кросс-бар» с возможностью самообучения предназначены для адаптивного декодирования временных и пространственных характеристик биоэлектрической активности. Выходы такой сети (рисунок 1F) могут быть использованы для управления воздействием на клетки путем последовательного модулирования внеклеточной стимуляции по заданному протоколу (рисунок 1G). Аналоговые и цифровые схемы для управления массивами электродов и мемристивных устройств, усиления, генерации и передачи сигналов между слоями должны быть реализованы в основном приборном слое КМОП (рисунок 1E),
– поясняет Алексей Михайлов.
РИСУНОК 1 | Мемристивный нейрогибридный чип.
Для создания нейрогибридного чипа потребуется совместное проектирование и оптимизация всех упомянутых элементов на уровнях материалов, устройств, архитектур и систем. Конечно, эта работа должна идти в ногу с развитием био- и нейротехнологий для решения ряда проблем, связанных в первую очередь с биосовместимостью, механическим воздействием, геометрией, расположением и миниатюризацией микроэлектродов и зондов, а также с реакцией живой культуры / ткани на интерфейсе с искусственной электронной подсистемой.
Как говорит Алексей Михайлов, концепция раскрывает идею создания системы «мозг-на-чипе», относящейся к более общему классу мемристивных нейрогибридных систем для робототехники нового поколения, искусственного интеллекта и персонализированной медицины.
Чтобы проиллюстрировать предлагаемые подходы и связанные продукты в обозримой временной шкале, предложена дорожная карта мемристивных нейроморфных и нейрогибридных систем (рисунок 2). Ключевое направление развития в ней связано с разработкой и созданием (серийным выпуском) специализированного аппаратного обеспечения на базе архитектуры и принципов функционирования биологических нейронных сетей для поддержки развития и массового внедрения технологий искусственного интеллекта, машинного обучения, нейропротезирования и нейроинтерфейсов.
Дорожная карта условно начинается в 2008 году, со стартом текущей волны интереса к мемристорам, и включает продолжающиеся исследования и разработки в широких областях нейробиологии и нейрофизиологии,
– комментирует Алексей Михайлов.
Следующие продуктовые ниши предусмотрены учеными в дорожной карте на разных стадиях развития этого направления: нейроморфные вычислительные устройства; неинвазивные нейроинтерфейсы; нейроимпланты, нейропротезы и инвазивные нейроинтерфейсы и другое.
Именно уникальные свойства мемристивных устройств определяют их решающее значение в разработке прикладных нейроморфных и нейрогибридных систем для нейровычислительных устройств, интерфейсов «мозг-компьютер» и нейропротезирования. Данные сферы займут значительную часть мирового рынка высоких технологий объемом в триллионы долларов к 2030 г. с учетом скорости развития и внедрения технологий искусственного интеллекта, Интернета вещей, технологий «больших данных», «умного города», робототехники, а в ближайшем будущем, также нейропротезирования и инструментальной корректировки / поддержки / усиления когнитивных способностей человека,
– говорит в заключение Алексей Михайлов.
Соответствующее экспертное мнение группы учёных в форме статьи-перспективы опубликовано в журнале Frontiers in Neuroscience (https://doi.org/10.3389/fnins.2020.00358) в рамках специального выпуска «Новые технологии и системы для биологически правдоподобной реализации нейронных функций».
Различные исследовательские задачи в рамках реализации данной концепции уже активно решаются в университете Лобачевского при поддержке Российского научного фонда (грант № 16-19-00144), – в части создания массивов металл-оксидных мемристоров для двунаправленного нейроинтерфейса, Российского фонда фундаментальных исследований (гранты №№ 18-29-23001 и 20-01-00368), – в части мозгоподобных мемристивных нейросетевых архитектур и спайковых нейронных сетей, а также Правительства Российской Федерации (Соглашение № 074-02-2018-330 (2)), – в части индуцированных шумом явлений в мемристивных материалах, устройствах и сетях.
Отдел по связям с общественностью и онлайн-образованию ННГУ им. Н.И. Лобачевского
Нет комментариев