Skip to content

搞英语 → 看世界

翻译英文优质信息和名人推特

Menu
  • 首页
  • 作者列表
  • 独立博客
  • 专业媒体
  • 名人推特
  • 邮件列表
  • 关于本站
Menu

这种化学人工神经元使用多巴胺与脑细胞交流

Posted on 2022-08-16
化学人工神经元多巴胺脑

附着在老鼠腿上的半透明芯片看起来一点也不像神经元。它点缀着一系列传感器和通道,比人的手指还小,看起来和弯曲起来就像一个创可贴。然而,当注入多巴胺时,芯片会发挥它的魔力。老鼠的腿开始抽搐和伸展。根据多巴胺的剂量,芯片像木偶一样控制肢体。

该芯片是一种人工神经元,但与以前模拟大脑电信号的芯片完全不同。相反,它采用并适应了大脑的另一个沟通渠道:化学物质。

中国南京医科大学的胡本辉博士说,这些被称为神经递质的化学物质是大脑的“自然语言”。理论上,使用化学语言的人工神经元可以轻松进入神经回路——例如,引导老鼠的腿,或者构建一个全新的大脑控制假肢或神经植入物系列。

新加坡南洋理工大学胡和陈晓东博士领导的一项新研究在将人工和生物神经元无缝连接成半生命电路方面取得了长足的进步。由多巴胺提供支持,该设置不是一个简单的单向调用,其中一个组件激活另一个组件。相反,人工神经元与多个生物对应物形成一个循环,在接收反馈以改变其自身行为的同时释放多巴胺。

在某种程度上,该系统就像一个中间神经元,充当大脑中的决策者来微调神经回路。 “很大一部分智能信息——包括记忆和情感——是由神经递质等化学分子编码或传递的,我们希望构建一个模拟真实神经元如何交流的人工神经元,”作者说。

故事的另一面

你听说过这个关于神经网络的经典故事。一个神经元接收到一个电击,该电击沿着其曲折的分支传播。如果信号足够强,它将激活或抑制下一个神经元,将两个神经元连接成一个网络。这种神经科学教条,广为人知的是“一起发射、连接在一起的神经元”,它是许多神经形态芯片的基础,这些芯片旨在逆向工程这种电气怪癖,以实现低能量和高效计算。

这些活动的数据或“记忆”存储在突触中。我喜欢把这些错综复杂的结构想象成两条河岸,一条溪流在它们之间流动。一组是发送信号的神经元的一部分,另一组是接收神经元的一部分。

但是是什么帮助信号通过流?

输入神经递质。一旦神经元整合其接收的电信号,脉冲就会沿着分支传播,直到它们到达突触。在这里,信号指示数十艘停泊的“船”——想象一下小肥皂泡——每艘都装满了神经递质,驶向对岸。一旦停靠,化学物质就会从船上卸载,以触发下游神经元中的另一个电信号。这个循环继续连接大脑错综复杂的网络。

在制造神经植入物时,化学计算经常被忽略,但只关注电信号就像在规划航线时忽略了跨洋货运路线。

“这种不匹配可能会导致对传输的神经元信息的错误解释,”该团队说,这可能导致大脑接口误入歧途。

一件艺术品

这项新研究将化学推理重新引入人工神经元。通过筛选大量潜在的神经递质候选者,该团队将多巴胺——一种驱动动力、编码奖励和控制运动的多任务器——作为人工神经元的明星进行了磨练。

该芯片包含模拟真实神经元的三个主要组件:它感知多巴胺,在“突触”内编码产生的信号,并向其邻居释放多巴胺。

第一部分是一个电化学传感器,可以检测生物水平的多巴胺。这种纳米结构由碳纳米管制成,并撒有一定剂量的氧化石墨烯,即使在其他生物化学物质搅浑水的情况下,这种纳米结构也能特别有效地吸收环境中的微量多巴胺。

一旦检测到,数据就会以电脉冲的形式传输到下一个组件——忆阻器。像突触一样,忆阻器具有根据之前的活动改变其电阻的内置能力——也就是说,它具有“记忆”。电阻越高,它向前发送电信号的能力就越小。

该设备可能听起来很异国情调,但想象一下(非常昂贵的)奶酪三明治。两片面包由银和金纳米粒子制成,“奶酪”是一种丝蛋白,可以调节忆阻器的电阻。这是一个巧妙的设置:该组件可以支持“突触”的短期和长期变化,模仿那些迅速溜走你的大脑或刻在大脑中的记忆。

这是学习的标志。 “这意味着该系统与重复刺激形成了更强的联系,并且与新鲜刺激相比,对熟悉的刺激更加敏感,”作者说。

然后是真正酷的部分。根据其电阻,忆阻器可以加热水凝胶,从而将多巴胺释放到预蚀刻的纳米通道中。

把所有东西放在一起,芯片就像一个生物神经元。当受到多巴胺的刺激时,它会产生一个在“突触”处编码的电信号。如果信号足够强,它会将多巴胺泵送到它的邻居身上。

还有什么可做的?用活的神经元测试它。

生物混合桥

作为第一次健全性检查,该团队将芯片置于具有释放多巴胺能力的细胞培养皿中,称为 PC12。

模仿神经元的激活方式,他们注入一种咸味混合物,触发细胞释放多巴胺。从突然涌入中惊醒,人造神经元开始活跃起来,反过来将自己的多巴胺剂量泵出给它的 PC12 邻居。一旦用多巴胺沐浴,生物细胞就会改变它们的电流作为响应(这种化学物质来自人工神经元更明智)。

这种类型的神经闲聊类似于中间神经元。正如它们的名字所暗示的那样,这些神经元就像梯子上的梯级,连接神经网络并帮助改进电路的活动。在这里,人工神经元充当中间神经元——一种塑造神经网络并使其活动保持一致的“交通控制器”。

更进一步,该团队接下来将芯片拴在老鼠腿上的神经上。根据多巴胺的水平,腿像在早晨伸展一样弯曲,随着芯片上化学物质的增加而伸展得更宽。在另一个概念验证中,该团队将芯片连接到机器人手上。通过调整芯片上多巴胺的含量,该团队可以通过化学诱导的“握手”来控制机器人——机械手腕向下闪烁,仅由多巴胺提供动力。

这不是科学家第一次设计出基于化学的神经元。早在2020 年,斯坦福大学的一个团队就将人工神经元与孤立的生物神经元联系起来,表明人工神经元可以使用多巴胺作为触发器与生物神经元杂交。

这里的区别在于反馈的能力:新的设置与神经元形成一个循环,能够接收和释放多巴胺,同时改变网络的“记忆”。目前,人工神经元更像是一座能够传递信息的“信使桥梁”。尽管作者正在努力缩小每个组件并降低能耗,但对于大脑植入物来说,该装置仍然过于庞大。

对作者来说,化学和电子神经形态芯片不是一种或另一种。毕竟,大脑也不是。

“这种化学 BMIs [脑机接口] 可以补充电子 BMIs,有可能使神经元信息得到正确和全面的解释,用于神经假肢、人机交互和机器人构建,”作者说。

图片来源: ktsdesign / Shutterstock.com

原文: https://singularityhub.com/2022/08/16/this-chemical-artificial-neuron-uses-dopamine-to-communicate-with-brain-cells/

本站文章系自动翻译,站长会周期检查,如果有不当内容,请点此留言,非常感谢。
  • Abhinav
  • Abigail Pain
  • Adam Fortuna
  • Alberto Gallego
  • Alex Wlchan
  • Answer.AI
  • Arne Bahlo
  • Ben Carlson
  • Ben Kuhn
  • Bert Hubert
  • Bits about Money
  • Brian Krebs
  • ByteByteGo
  • Chip Huyen
  • Chips and Cheese
  • Christopher Butler
  • Colin Percival
  • Cool Infographics
  • Dan Sinker
  • David Walsh
  • Dmitry Dolzhenko
  • Dustin Curtis
  • eighty twenty
  • Elad Gil
  • Ellie Huxtable
  • Ethan Marcotte
  • Exponential View
  • FAIL Blog
  • Founder Weekly
  • Geoffrey Huntley
  • Geoffrey Litt
  • Greg Mankiw
  • Henrique Dias
  • Hypercritical
  • IEEE Spectrum
  • Investment Talk
  • Jaz
  • Jeff Geerling
  • Jonas Hietala
  • Josh Comeau
  • Lenny Rachitsky
  • Liz Danzico
  • Lou Plummer
  • Luke Wroblewski
  • Matt Baer
  • Matt Stoller
  • Matthias Endler
  • Mert Bulan
  • Mostly metrics
  • News Letter
  • NextDraft
  • Non_Interactive
  • Not Boring
  • One Useful Thing
  • Phil Eaton
  • Product Market Fit
  • Readwise
  • ReedyBear
  • Robert Heaton
  • Rohit Patel
  • Ruben Schade
  • Sage Economics
  • Sam Altman
  • Sam Rose
  • selfh.st
  • Shtetl-Optimized
  • Simon schreibt
  • Slashdot
  • Small Good Things
  • Taylor Troesh
  • Telegram Blog
  • The Macro Compass
  • The Pomp Letter
  • thesephist
  • Thinking Deep & Wide
  • Tim Kellogg
  • Understanding AI
  • 英文媒体
  • 英文推特
  • 英文独立博客
©2025 搞英语 → 看世界 | Design: Newspaperly WordPress Theme