Самообучающийся протез для спинного мозга создали в России

Фото: НИЦ Курчатовский Институт © avatars.dzeninfra.ru

Ученые Курчатовского института с коллегами из Казанского федерального университета разработали модель, которую можно использовать для создания нейропротезов для пациентов с повреждением спинного мозга. Схема основана на мемристорах и способна к самообучению.

Сотрудники Курчатовского комплекса нано-, био, инфо-, когнитивных и социогуманитарных (НБИКС) и природоподобных технологий работают над созданием устройств на основе мемристоров — аналоговых микроэлектронных компонентов, способных имитировать синаптическую пластичность, которой обладают нейроны мозга. Свойство заключается в том, что синапс — контакт между нейронами — передает сигнал от одной клетки к другой с разной эффективностью. Например, при запоминании информации связи между нейронами укрепляются, и передача импульсов между ними усиливается.

Исследователи записали активность «ансамблей» нервных клеток, связанных друг с другом в модельной нейронной сети, регулирующей аналог моторной активности одной из конечностей животного. После разрыва синаптической связи между группами этих нейронов контакты-синапсы заменили мемристорами, которые «обучили» проводить сигналы с определенной пропускной способностью, сообщили в пресс-службе института.

Полимерные электрохимические мемристоры, над которыми работают ученые, изменяют свое сопротивление в зависимости от величины прошедшего через него ионного заряда. Под действием внешней электрической стимуляции и обратного сенсорного отклика от моделируемой конечности устанавливается нужное значение сопротивления: чем интенсивнее входной сигнал, тем выше пропускная способность синапса, то есть «вес» сигнала.

Стимулирующие сигналы выбирают таким образом, чтобы добиться необходимой проводимости в определенных участках нейронной сети. Это возможно благодаря тому, что скорость, с которой используемые органические мемристоры на основе проводящего полимера полианилина изменяют свое сопротивление, соответствует характерным параметрам (частоте и длительности) сигналов от биологических нейронов. Модель имитации нейронной сети для управления ходьбой в Курчатовском институте разработали несколько лет назад, но тогда это была запрограммированная система, не способная к «обучению».

"Созданная нами модель способна самообучаться, то есть адаптироваться к тем сенсорным откликам, которые генерирует моделируемая конечность животного при нормальной ходьбе, — рассказала Мария Серенко, лаборант-исследователь группы нейроморфных систем лаборатории технологий искусственного интеллекта НИЦ «Курчатовский институт». — В симуляции мы использовали такой «внешний» стимулирующий сигнал, чтобы мемристоры, получая также обратную «внутреннюю» сенсорную связь от касаний стопы животного при нормальной ходьбе, устанавливали сопротивление, поддерживающее этот паттерн обычной ходьбы уже без внешней стимуляции".

Исследователям удалось добиться от мемристоров проводимости, обеспечивающей естественную передачу сигнала так, будто между группами нейронов не было разрыва.

В будущем на основе такого же принципа можно будет создать адаптивный нейропротез с мемристивными синапсами, который возьмет на себя роль поврежденного участка спинного мозга, уверены ученые. Такой протез устанавливался бы на спинной мозг и получал сигналы от стимуляции и динамическую обратную сенсорную связь от неповрежденных конечностей. В процессе получения такого обратного отклика устройство будет способно самонастраиваться и адаптироваться под конкретные моторные навыки пациента.

Самообучаемые мемристивные устройства помогут вернуть людям с повреждением спинного мозга естественную двигательную активность. Сейчас ученые Курчатовского института работают над тестированием разработки в новых модельных условиях, еще больше приближенных к реальным

Кстати, а вы знали, что на «Сделано у нас» статьи публикуют посетители, такие же как и вы? И никакой премодерации, согласований и разрешений! Любой может добавить новость. А лучшие попадут в телеграмм @sdelanounas_ru. Подробнее о том как работает наш сайт здесь👈