91欧美超碰AV自拍|国产成年人性爱视频免费看|亚洲 日韩 欧美一厂二区入|人人看人人爽人人操aV|丝袜美腿视频一区二区在线看|人人操人人爽人人爱|婷婷五月天超碰|97色色欧美亚州A√|另类A√无码精品一级av|欧美特级日韩特级

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫(xiě)文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

一種建模交互神經(jīng)元群體及其網(wǎng)絡(luò)結(jié)構(gòu)的方式

MEMS ? 來(lái)源:MEMS ? 2020-09-20 09:15 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

在科學(xué)實(shí)驗(yàn)中,研究人員往往首先以小白鼠為實(shí)驗(yàn)對(duì)象。雖然是科研需要,但有人譴責(zé)這是對(duì)生命的褻瀆。此外,動(dòng)物測(cè)試成本高且耗時(shí),同時(shí)無(wú)法精確體現(xiàn)人類的反應(yīng)。那么有沒(méi)有其他替代品呢?

來(lái)自勞倫斯利弗莫爾國(guó)家實(shí)驗(yàn)室(LLNL)的多學(xué)科科學(xué)家團(tuán)隊(duì)開(kāi)發(fā)了一款三維芯片大腦(brain-on-a-chip),它能夠捕獲體外培養(yǎng)活體腦細(xì)胞的神經(jīng)活動(dòng),并提出了一種建模交互神經(jīng)元群體及其網(wǎng)絡(luò)結(jié)構(gòu)的方式。

LLNL 實(shí)驗(yàn)室工程師與生物學(xué)家團(tuán)隊(duì)成員,由左往右依次是 David Soscia、Nick Fischer 和 Doris Lam

在一篇發(fā)表在《Lab on a Chip》期刊的論文中,LLNL 實(shí)驗(yàn)室研究人員表示,他們創(chuàng)建的 3D 微電極陣列(3DMEA)平臺(tái)能夠維持?jǐn)?shù)十萬(wàn)人類神經(jīng)元存活,并使它們?cè)?3D gel 中連接和溝通。此外,使用他們開(kāi)發(fā)的薄膜式微電極陣列可以在長(zhǎng)達(dá) 45 天內(nèi)無(wú)創(chuàng)記錄放電和脈沖。

該研究技術(shù)復(fù)雜度很高,不過(guò)參與的研究人員認(rèn)為,這可以為消除影響大腦功能的毒素或神經(jīng)系統(tǒng)疾?。ㄈ绨d癇)提供高效的新方案。

該研究項(xiàng)目首席研究員 Nick Fischer 表示:“我們的計(jì)劃是匯集工程、生物學(xué)和計(jì)算知識(shí),開(kāi)發(fā)出一種更能代表人腦生理機(jī)能和功能的模型。而這項(xiàng)研究推動(dòng)該領(lǐng)域向著這個(gè)終極目標(biāo)前進(jìn)。”

LLNL 實(shí)驗(yàn)室致力于在芯片設(shè)備上復(fù)制人體系統(tǒng),而該研究正是其系列工作的一小部分。其目標(biāo)是隨著相關(guān)技術(shù)的不斷發(fā)展,研發(fā)的芯片設(shè)備更適用于人類,甚至取代動(dòng)物測(cè)試。

Fischer 表示,這項(xiàng) 3D 芯片大腦研究的最終目的是:開(kāi)發(fā)出一個(gè)提供人類相關(guān)數(shù)據(jù)的實(shí)驗(yàn)平臺(tái),通過(guò)簡(jiǎn)化、易復(fù)現(xiàn)、中肯的模型系統(tǒng),更好地理解不同類型的藥物和治療方案對(duì)人腦功能的影響。

制作和建模芯片大腦

神經(jīng)元被認(rèn)為是大腦中神經(jīng)系統(tǒng)向其他細(xì)胞傳遞信息的基本工作單元。神經(jīng)元交流時(shí),會(huì)產(chǎn)生微小的電信號(hào),微電極可以收集這些電信號(hào)。Fischer 和他的團(tuán)隊(duì)在 2016 年展開(kāi)了這項(xiàng)研究工作,在此過(guò)程中進(jìn)行了多次硬件迭代。他們?cè)O(shè)計(jì)和完善了帶有多電極陣列的芯片大腦設(shè)備。

LLNL 實(shí)驗(yàn)室的芯片大腦示意圖

Fischer 解釋說(shuō):“該陣列是一種培養(yǎng)孔中不同電極的方向,腦細(xì)胞在其上生長(zhǎng)。隨著神經(jīng)網(wǎng)絡(luò)的成熟,這些電極就可以收集神經(jīng)元的放電信號(hào)?!盕ischer 表示,這實(shí)質(zhì)上正是神經(jīng)元相互作用并傳遞電脈沖時(shí)發(fā)生的現(xiàn)象。

該芯片由一種基板構(gòu)成,基板上有一個(gè)穿過(guò)多個(gè)電極的孔,電極走線通向連接器,這些連接器接入的儀器可以記錄從腦細(xì)胞中獲取的電信號(hào)。該儀器與計(jì)算機(jī)連接,因此最終可以得到每個(gè)電極的小數(shù)據(jù)窗口,從中可以觀察到電壓的升高。

Fischer 補(bǔ)充道,隨著時(shí)間的推移,科學(xué)家將二維芯片升級(jí)為三維設(shè)備,這也使該研究更接近人腦的真實(shí)復(fù)雜情況。Fischer 表示三維芯片能夠呈現(xiàn)出非常震撼的圖像。

隨著芯片大腦的發(fā)展,LLNL 實(shí)驗(yàn)室機(jī)器學(xué)習(xí)組 Jose Cadena 和其他研究者建立了一個(gè)時(shí)間隨機(jī)塊模型。該模型可用于可視化和跟蹤神經(jīng)元網(wǎng)絡(luò)在芯片上的變化。該研究想要開(kāi)發(fā)出一種機(jī)制,來(lái)研究芯片上的神經(jīng)元和結(jié)構(gòu)在其存在過(guò)程中的變化。

Cadena 表示之前也有很多關(guān)于理解大腦快照的研究,即將大腦數(shù)據(jù)作為靜態(tài)照片。而這項(xiàng)研究的特別之處在于其模型是時(shí)間模型,可以研究大腦網(wǎng)絡(luò)隨時(shí)間的變化情況。

原始建模實(shí)驗(yàn)表明,以較小的尺寸比例表示人腦活動(dòng)是可行的。盡管該模型是為二維芯片大腦數(shù)據(jù)開(kāi)發(fā)的,但 Cadena 證實(shí)該過(guò)程也適用于三維設(shè)備。

未來(lái)應(yīng)用與實(shí)現(xiàn)前提

大腦活動(dòng)芯片和相關(guān)模型開(kāi)發(fā)獲得了眾多計(jì)算科學(xué)家、工程師和生物學(xué)家的支持。

Fischer 解釋稱:“為了促進(jìn)這種 3D 芯片大腦的發(fā)展,我們需要設(shè)計(jì)一種能夠從三個(gè)維度實(shí)際監(jiān)測(cè)神經(jīng)元功能的芯片,但項(xiàng)目伊始,我們并不具備相應(yīng)技術(shù),所以必須從內(nèi)部開(kāi)發(fā)。為此,我們需要掌握大量的相關(guān)工程知識(shí)?!?/p>

同時(shí)還需要生物科學(xué)家團(tuán)隊(duì)的助力,以了解細(xì)胞的功能以及它們?nèi)绾卧谠O(shè)備上實(shí)現(xiàn)生長(zhǎng)、培育和維護(hù)。此外,計(jì)算機(jī)專家也需要開(kāi)發(fā)能夠理解 Fischer 所說(shuō)的正在生成的大量數(shù)據(jù)的算法。此外,他還指出這些算法有助于理解這類網(wǎng)絡(luò)的時(shí)間效應(yīng)。

Fischer 稱:“開(kāi)發(fā)這些復(fù)雜系統(tǒng)的關(guān)鍵在于擁有廣泛的專業(yè)知識(shí)。”

接下來(lái),該模型旨在使用該模型研究對(duì)大腦功能產(chǎn)生負(fù)面影響的化學(xué)或生物制劑,并有興趣制定出相應(yīng)的研究方案。該模型可以為預(yù)測(cè)相關(guān)治療效果助力。

此外,F(xiàn)ischer 稱他們正在努力研究阿片類藥物在該領(lǐng)域的影響,并希望開(kāi)發(fā)出更多關(guān)于大腦疾病和損傷的模型。該團(tuán)隊(duì)正在尋求外部資金支持,以使用 3D 芯片大腦來(lái)篩選治療方法,并創(chuàng)建更多用于創(chuàng)傷性腦損傷等疾病和障礙的神經(jīng)元模型。

最后,F(xiàn)ischer 表示:“這些項(xiàng)目將永遠(yuǎn)不會(huì)結(jié)束。我的意思是,當(dāng)你確認(rèn)了一件事情時(shí),你回答了1個(gè)問(wèn)題,但會(huì)有其他 10 個(gè)問(wèn)題跳出來(lái)。現(xiàn)在我們想要探索的領(lǐng)域太多了。但我認(rèn)為想要發(fā)展的關(guān)鍵就是這個(gè)得到計(jì)算模型補(bǔ)充的模型實(shí)驗(yàn)系統(tǒng)。我認(rèn)為我們已經(jīng)做到了這一點(diǎn)?!?/p>

聲明:本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • 芯片
    +關(guān)注

    關(guān)注

    463

    文章

    54010

    瀏覽量

    466124
  • 3D芯片
    +關(guān)注

    關(guān)注

    0

    文章

    52

    瀏覽量

    19053
  • 神經(jīng)元
    +關(guān)注

    關(guān)注

    1

    文章

    369

    瀏覽量

    19174

原文標(biāo)題:3D芯片大腦:在芯片上培養(yǎng)腦細(xì)胞,還能用來(lái)測(cè)試新藥

文章出處:【微信號(hào):MEMSensor,微信公眾號(hào):MEMS】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評(píng)論

    相關(guān)推薦
    熱點(diǎn)推薦

    應(yīng)用案例 | 40倍鏡下解析小鼠腦部神經(jīng)元:深視智能sCMOS相機(jī)賦能膜片鉗實(shí)驗(yàn)高效開(kāi)展

    01實(shí)驗(yàn)背景小鼠腦部神經(jīng)元膜片鉗實(shí)驗(yàn)是神經(jīng)科學(xué)領(lǐng)域的關(guān)鍵技術(shù),廣泛應(yīng)用于神經(jīng)系統(tǒng)疾病機(jī)制研究、藥物篩選及神經(jīng)環(huán)路解析等核心方向。該實(shí)驗(yàn)的兩大核心難點(diǎn):
    的頭像 發(fā)表于 02-02 08:17 ?282次閱讀
    應(yīng)用案例 | 40倍鏡下解析小鼠腦部<b class='flag-5'>神經(jīng)元</b>:深視智能sCMOS相機(jī)賦能膜片鉗實(shí)驗(yàn)高效開(kāi)展

    神經(jīng)網(wǎng)絡(luò)的初步認(rèn)識(shí)

    日常生活中的智能應(yīng)用都離不開(kāi)深度學(xué)習(xí),而深度學(xué)習(xí)則依賴于神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)。什么是神經(jīng)網(wǎng)絡(luò)?神經(jīng)網(wǎng)絡(luò)的核心思想是模仿生物神經(jīng)系統(tǒng)的結(jié)構(gòu),特別是大
    的頭像 發(fā)表于 12-17 15:05 ?331次閱讀
    <b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的初步認(rèn)識(shí)

    神經(jīng)元設(shè)備和腦機(jī)接口有何淵源?

    HUIYING神經(jīng)元設(shè)備的發(fā)展歷程概述神經(jīng)元設(shè)備的發(fā)展經(jīng)歷了從基礎(chǔ)信號(hào)檢測(cè)到多功能智能集成的演進(jìn)過(guò)程。自1920年代腦電圖(EEG)信號(hào)首次被發(fā)現(xiàn)以來(lái),神經(jīng)電極技術(shù)逐步發(fā)展,如1957年出現(xiàn)的鎢微絲
    的頭像 發(fā)表于 11-03 18:03 ?1452次閱讀
    <b class='flag-5'>神經(jīng)元</b>設(shè)備和腦機(jī)接口有何淵源?

    激活函數(shù)ReLU的理解與總結(jié)

    具有很強(qiáng)的處理線性不可分機(jī)制。那么在深度網(wǎng)絡(luò)中,對(duì)非線性的依賴程度就可以縮縮。神經(jīng)元神經(jīng)元之間改為線性激活,
    發(fā)表于 10-31 06:16

    構(gòu)建CNN網(wǎng)絡(luò)模型并優(yōu)化的般化建議

    ,從而得到對(duì)我們有價(jià)值的識(shí)別信息。但這種迭代性并不是十分必要的,因?yàn)閺膶?shí)踐來(lái)看,即使只有單層網(wǎng)絡(luò)的模型,只要擁有充分?jǐn)?shù)量的神經(jīng)元,也可以獲得較高的準(zhǔn)確率。不過(guò)該方式
    發(fā)表于 10-28 08:02

    脈沖神經(jīng)元模型的硬件實(shí)現(xiàn)

    自己的存儲(chǔ)單元,位于 LIF 神經(jīng)元模塊旁邊。這種分布式的SRAM實(shí)現(xiàn)了近似存算體的架構(gòu),解決了傳統(tǒng)的馮諾依曼結(jié)構(gòu)帶來(lái)的瓶頸,減少了數(shù)據(jù)的遠(yuǎn)距離搬運(yùn);神經(jīng)核接口模塊主要負(fù)責(zé)完成脈沖數(shù)
    發(fā)表于 10-24 08:27

    SNN加速器內(nèi)部神經(jīng)元數(shù)據(jù)連接方式

    的數(shù)量級(jí),而且生物軸突的延遲和神經(jīng)元的時(shí)間常數(shù)比數(shù)字電路的傳播和轉(zhuǎn)換延遲要大得多,AER 的工作方式神經(jīng)網(wǎng)絡(luò)的特點(diǎn)相吻合,所以受生物啟發(fā)的神經(jīng)形態(tài)處理器中的NoC或SNN加速器通常使
    發(fā)表于 10-24 07:34

    如何通過(guò)地址生成器實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)特征圖的padding?

    對(duì)于SiamFC網(wǎng)絡(luò)結(jié)構(gòu),我們?cè)O(shè)計(jì)的卷積核寬度為3*3,卷積步長(zhǎng)為1,則經(jīng)卷積過(guò)后,特征圖寬度會(huì)減少2,為了滿足我們所設(shè)計(jì)的pe陣列的計(jì)算要求,則需要對(duì)輸出特征圖外圍進(jìn)行補(bǔ)零處理,以擴(kuò)充特征圖的大小
    發(fā)表于 10-22 08:15

    在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的些經(jīng)驗(yàn)

    , batch_size=512, epochs=20)總結(jié) 這個(gè)核心算法中的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和訓(xùn)練過(guò)程,是用來(lái)對(duì)MNIST手寫(xiě)數(shù)字圖像進(jìn)行分類的。模型將圖像作為輸入,通過(guò)卷積和池化層提取圖像的特征,然后通過(guò)全連接層進(jìn)行分類預(yù)測(cè)。訓(xùn)練過(guò)程中,模型通過(guò)最小化損失函數(shù)來(lái)優(yōu)化模型參數(shù),從而提高分類準(zhǔn)確性。
    發(fā)表于 10-22 07:03

    液態(tài)神經(jīng)網(wǎng)絡(luò)(LNN):時(shí)間連續(xù)性與動(dòng)態(tài)適應(yīng)性的神經(jīng)網(wǎng)絡(luò)

    1.算法簡(jiǎn)介液態(tài)神經(jīng)網(wǎng)絡(luò)(LiquidNeuralNetworks,LNN)是一種新型的神經(jīng)網(wǎng)絡(luò)架構(gòu),其設(shè)計(jì)理念借鑒自生物神經(jīng)系統(tǒng),特別是秀麗隱桿線蟲(chóng)的
    的頭像 發(fā)表于 09-28 10:03 ?1224次閱讀
    液態(tài)<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>(LNN):時(shí)間連續(xù)性與動(dòng)態(tài)適應(yīng)性的<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>

    【「AI芯片:科技探索與AGI愿景」閱讀體驗(yàn)】+神經(jīng)形態(tài)計(jì)算、類腦芯片

    : 基于JJ的超導(dǎo)神經(jīng)元和突觸: 2、半導(dǎo)體與超導(dǎo)體回合式神經(jīng)形態(tài)網(wǎng)絡(luò) 工作原理: 3、非超導(dǎo)低溫類腦芯片 (知識(shí)盲區(qū)了) 4、低溫AI類腦芯片的潛力 四、以樹(shù)突為中心的合成大腦 生物神經(jīng)元
    發(fā)表于 09-17 16:43

    神經(jīng)擬態(tài)類腦計(jì)算機(jī)“悟空”發(fā)布,神經(jīng)元數(shù)量超20億

    電子發(fā)燒友網(wǎng)綜合報(bào)道 8月2日,浙江大學(xué)腦機(jī)智能全國(guó)重點(diǎn)實(shí)驗(yàn)室發(fā)布新神經(jīng)擬態(tài)類腦計(jì)算機(jī)——Darwin Monkey(中文名“悟空”)。 ? “悟空”堪稱國(guó)際首臺(tái)神經(jīng)元規(guī)模超20億、基于專用
    的頭像 發(fā)表于 08-06 07:57 ?7626次閱讀
    新<b class='flag-5'>一</b>代<b class='flag-5'>神經(jīng)</b>擬態(tài)類腦計(jì)算機(jī)“悟空”發(fā)布,<b class='flag-5'>神經(jīng)元</b>數(shù)量超20億

    無(wú)刷直流電機(jī)單神經(jīng)元自適應(yīng)智能控制系統(tǒng)

    摘要:針對(duì)無(wú)刷直流電機(jī)(BLDCM)設(shè)計(jì)了一種可在線學(xué)習(xí)的單神經(jīng)元自適應(yīng)比例-積分-微分(PID)智能控制器,通過(guò)有監(jiān)督的 Hebb學(xué)習(xí)規(guī)則調(diào)整權(quán)值,每次采樣根據(jù)反饋誤差對(duì)神經(jīng)元權(quán)值進(jìn)行調(diào)整,以實(shí)現(xiàn)
    發(fā)表于 06-26 13:36

    無(wú)刷直流電機(jī)單神經(jīng)元PI控制器的設(shè)計(jì)

    摘要:研究了一種基于專家系統(tǒng)的單神經(jīng)元PI控制器,并將其應(yīng)用于無(wú)刷直流電機(jī)調(diào)速系統(tǒng)中。控制器實(shí)現(xiàn)了PI參數(shù)的在線調(diào)整,在具有PID控制器良好動(dòng)態(tài)性能的同時(shí),減少微分項(xiàng)對(duì)系統(tǒng)穩(wěn)態(tài)運(yùn)行時(shí)的影響,并較好
    發(fā)表于 06-26 13:34

    無(wú)刷電機(jī)小波神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)子位置檢測(cè)方法的研究

    摘要:論文通過(guò)對(duì)無(wú)刷電機(jī)數(shù)學(xué)模型的推導(dǎo),得出轉(zhuǎn)角:與三相相電壓之間存在映射關(guān)系,因此構(gòu)建了個(gè)以三相相電壓為輸人,轉(zhuǎn)角為輸出的小波神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)轉(zhuǎn)角預(yù)測(cè),并采用改進(jìn)遺傳算法來(lái)訓(xùn)練網(wǎng)絡(luò)結(jié)構(gòu)與參數(shù),借助
    發(fā)表于 06-25 13:06