शास्त्रज्ञ कृत्रिम न्यूरॉन चिप तयार करतात जे वास्तविक वेळेत जैविक सिग्नल ओळखू शकतात

वर्तमान न्यूरल नेटवर्क अल्गोरिदम प्रभावशाली परिणाम देतात आणि आश्चर्यकारक समस्यांचे निराकरण करण्यात मदत करतात. तथापि, या अल्गोरिदम चालविण्यासाठी वापरल्या जाणार्या इलेक्ट्रॉनिक डिव्हाइसेस अद्याप मोठ्या प्रक्रिया शक्तीची आवश्यकता असते. जेव्हा संवेदनात्मक माहिती किंवा पर्यावरणासह परस्परसंवादाची रिअल-टाइम प्रक्रिया येते तेव्हा हे कृत्रिम बुद्धिमत्ता (एआय) सिस्टीम सहजपणे वास्तविक मेंदूशी स्पर्धा करू शकत नाहीत. आणि न्यूरोमोर्फिक अभियांत्रिकी ही एक वचनबद्ध नवीन पद्धत आहे जी कृत्रिम बुद्धिमत्ता आणि नैसर्गिक बुद्धिमत्ता दरम्यान एक पूल तयार करते.

झुरिच विद्यापीठात एक आंतरशास्त्रीय संशोधन कार्यसंघ, झुरिचचे इथ झुरिच आणि विद्यापीठ हॉस्पिटल या पद्धतीने न्यूरोमॉर्फिक तंत्रज्ञानावर आधारित चिप विकसित करण्याचा वापर करतात जे विश्वासार्हपणे आणि जटिल जैविक सिग्नल ओळखू शकतात. पूर्वी रेकॉर्ड केलेल्या उच्च-फ्रिक्वेंसी ऑसिलिटीज (एचएफओ) रेकॉर्ड करण्यासाठी शास्त्रज्ञ या तंत्रज्ञानाचा यशस्वीरित्या ओळखण्यासाठी सक्षम होते. या विशिष्ट लाटा, इंट्राक्रॅनियल इलेक्ट्रोंसफॅलोग्राफी (आयईईजी) वापरुन मोजले गेले आहेत, ज्यामुळे दौरे होऊ शकते अशा मेंदूच्या ऊती ओळखण्यासाठी बायोमार्करांना वचन देण्याचे सिद्ध केले आहे.

संशोधकांनी प्रथम मेंदूचे नैसर्गिक न्यूरल नेटवर्क अनुकरण करून एचएफओ ओळखण्यासाठी अल्गोरिदम डिझाइन केले: एक लहान तथाकथित स्पाइक न्यूरल नेटवर्क (एसएनएन). दुसरी पायरी म्हणजे नेल-आकाराच्या हार्डवेअरमध्ये एसएनएन अंमलबजावणी करणे जे इलेक्ट्रोडद्वारे न्यूरल सिग्नल प्राप्त होते. पारंपारिक संगणकांच्या विपरीत, यात प्रचंड ऊर्जा कार्यक्षमता आहे. यामुळे इंटरनेट किंवा क्लाउड कॉम्प्युटिंगवर अवलंबून न करता उच्च वेळ रेझोल्यूशन शक्य आहे.

गियोसोमो इंडिव्हर, ज्युरीच आणि इथ झुरिच येथील न्यूरुइनफॉर्मिक इंस्टीट्यूट इन्स्टिट्यूट इन्स्टिट्यूटरचे प्राध्यापक म्हणाले: "आमची रचना आम्हाला रिअल टाइममध्ये जैविक सिग्नलमध्ये स्पॅटीओटेम्पोर्ड नमुने ओळखण्यास अनुमती देते."

रिअल टाइममध्ये एचएफओएस तयार करण्यासाठी इलेक्ट्रॉनिक प्रणाली तयार करण्यासाठी संशोधक आता त्यांच्या निष्कर्षांचा वापर करण्याची योजना आखत आहेत. ऑपरेटिंग रूममध्ये अतिरिक्त डायग्नोस्टिक साधन म्हणून वापरले जाते, तेव्हा सिस्टम न्यूरोसर्जिकल हस्तक्षेपांचे परिणाम सुधारू शकते.

तथापि, हे एकमात्र क्षेत्र नाही जेथे एचएफओ ओळख महत्वाची भूमिका बजावू शकते. रुग्णाच्या बाहेर वापरल्या जाणार्या मिरगीची देखरेख करण्यासाठी एक साधन विकसित करणे हा संघाचा दीर्घकालीन ध्येय आहे, ज्यामुळे काही आठवड्यांच्या किंवा महिन्याच्या आत मोठ्या प्रमाणात इलेक्ट्रोडच्या सिग्नलचे विश्लेषण करणे शक्य होईल.

ज्युरिच युनिव्हर्सिटी हॉस्पिटलमधील न्यूरोफिसियोलॉजिस्ट जोहान्स सर्रिलिन यांनी स्पष्ट केले: "आम्ही डिझाइनमध्ये कमी-ऊर्जा वायरलेस डेटा संप्रेषण समाकलित करू इच्छितो - उदाहरणार्थ, ते मोबाइल फोनशी कनेक्ट करण्यासाठी. एक पोर्टेबल किंवा इम्प्लांडेबल चिप यासारखे उच्च जप्ती दर ओळखू शकते. उच्च किंवा कमी कालावधी, जे आम्हाला वैयक्तिकृत औषध प्रदान करण्याची परवानगी देतात. "