Closed-loop di esperimenti neuro-robotica a prova le proprietà computazionali di neuronali Networks

L'obiettivo generale del seguente esperimento è quello di studiare l'interazione bidirezionale tra una rete biologica di neuroni dissociati e un piccolo robot. Il dialogo continuo può modificare le proprietà computazionali del sistema neuronale, inducendo una sorta di apprendimento. Ciò si ottiene preparando una coltura neuronale su un array di micro elettrodi al fine di consentire una sessione sperimentale di diverse ore senza compromettere l'attività cellulare.

Come seconda fase, viene calcolata una mappa di risposta della coltura, che consente la selezione di elettrodi stimolanti per l'esperimento a circuito chiuso vero e proprio. Successivamente, vengono definiti i parametri di codifica e decodifica in modo da consentire lo scambio di informazioni tra sistemi biologici ed elettronici. I risultati mostrano un aumento significativo delle capacità di navigazione dell'agente robotico sulla base del confronto della distanza media percorsa tra i colpi in diverse condizioni di controllo.

Questo metodo può aiutarci a rispondere a domande chiave nel nostro campo ingegneristico, come ad esempio: possiamo arrivare a un dizionario per tradurre il linguaggio dei neuroni nel linguaggio delle macchine e viceversa? In generale, le persone che non conoscono questo metodo avranno difficoltà a causa della complessità tecnologica della configurazione sperimentale e dell'architettura del software. A dimostrare la procedura sarà Martha Bizo, dottoranda del mio laboratorio.

Il primo passo è preparare un array di micro elettrodi o un chip MEA con 60 elettrodi che può essere utilizzato per stimolare o registrare la rete neurale. Dopo aver placcato le colture neuronali sul ME, i chip A attendono circa tre settimane fino a quando la rete neurale non è maturata. Il giorno dell'esperimento, preriscaldare il sistema di riscaldamento MEA per 5-10 minuti impostando il regolatore di temperatura a 37 gradi Celsius e accendendo la piastra riscaldante sotto il MEA stesso.

Utilizzare anche un coperchio riscaldato per ridurre l'evaporazione utilizzando tappi permeabili al gas sterilizzati in autoclave, coprire le colture con un tappo per limitare l'evaporazione e prevenire variazioni di osmolarità durante la registrazione. Ora circola l'orso dell'auto sulla coltura per mantenere stabili sia l'ossigeno che i livelli di pH. Lasciare riposare la coltura per 30 minuti Dopo il periodo di riposo, registrare l'attività spontanea delle cellule neuronali per 30 minuti.

Quindi salvare i dati in un file facendo clic sul pulsante di registrazione nella casella dei picchi del modulo di registrazione dei dati. Nel modulo di visualizzazione dei dati grezzi, identificare i 10 canali con il numero di picchi più elevato. Quindi seleziona quei canali in uno qualsiasi dei layout MEA.

La forma di codifica viene mostrata qui trascinando il cursore del mouse sulle aree desiderate. Una volta selezionati i canali, fare clic con il pulsante destro del mouse in un punto qualsiasi del layout MEA e selezionare aggiungi all'area sensoriale sinistra nel menu a comparsa. Questi elettrodi verranno utilizzati per fornire la stimolazione elettrica in una fase successiva.

Quindi, verificare che lo stimolatore e l'amplificatore MEA siano collegati correttamente. Tutte le configurazioni richiedono due fili per canale di stimolazione desiderato, mentre è necessario un cavo coassiale aggiuntivo per trasportare il segnale di sincronia. Quando è pronto, accendi lo stimolatore.

Il passo successivo consiste nel definire i parametri di stimolo nel modulo della mappa di connessione. Tutte le stimolazioni fornite alla coltura sono mediante onde di tensione quadra fasica. Impostare la semidurata su 300 microsecondi e impostare l'ampiezza su 1,5 tensione massima di picco.

Iniziare a registrare la risposta alla stimolazione premendo il pulsante di avvio. Nella forma della mappa di connessione, una serie di 30 stimoli a 0,2 hertz viene erogata automaticamente da uno degli elettrodi di stimolazione precedentemente selezionati. Mentre questo elettrodo funge da elettrodo di stimolazione, le risposte vengono registrate dai restanti 59 elettrodi sul chip MEA.

Quindi, con un ritardo di cinque secondi tra le serie, la serie di 30 stimoli viene ripetuta a turno su ciascuno dei restanti nove elettrodi di stimolazione identificati, mentre le registrazioni vengono raccolte dai restanti 59 elettrodi. Successivamente mappa di connessione del computer per ogni canale stimolante utilizzando il codice spia, un'applicazione che esegue calcoli su dati neurali. Dalle mappe di connessione, scartare da ulteriori analisi tutti gli elettrodi stimolanti che non hanno evocato risposte.

Quindi, tra gli elettrodi rimanenti, selezionare la coppia con la minore sovrapposizione nelle risposte come descritto nel protocollo di testo, selezionare uno di questi elettrodi per codificare le informazioni sensoriali dal lato sinistro del robot e l'altro per codificare le letture dal lato destro. Per fare ciò, trascinare il cursore del mouse su un elettrodo, fare clic con il pulsante destro del mouse sul layout MEA, quindi selezionare aggiungi all'area sensoriale sinistra. Quindi trascinare il cursore sull'altro elettrodo.

Fare clic con il pulsante destro del mouse e selezionare Aggiungi all'area sensoriale destra. Successivamente, nel modulo di codifica, selezionare lo schema di codifica impostando il tipo di codifica su lineare. Quindi definire le velocità di stimolazione minima e massima utilizzando l'intervallo predefinito da 0,5 a due hertz e impostare il parametro jitter su zero.

Quindi, nel modulo di decodifica, impostare i parametri dell'algoritmo di decodifica. Questa è la variazione di velocità e la costante di tempo dei parametri di decadimento a uno per una coltura moderatamente attiva con circa un picco al secondo per canale. Quindi, imposta i parametri di burst dell'algoritmo di decodifica nel modulo di decodifica su zero.

Il tempo di decadimento è irrilevante se la variazione di velocità è zero. Nel modulo Gestione esperimenti, selezionare i dati da registrare facendo clic sulle caselle di controllo Salva dati picco, Dati robot e Dati stimoli. Ora avvia una corsa di robot di pre-apprendimento selezionando il pulsante di avvio dell'esperimento nel modulo del gestore dell'esperimento.

Quando richiesto, selezionare i nuovi nomi di file per i file di dati. Attendere l'esecuzione dell'esperimento per 30 minuti. Quindi fare clic sul pulsante Interrompi esperimento per interrompere la corsa del robot.

Quindi, attiva il protocollo di apprendimento contrassegnando la stimolazione Consegna a 10 dopo. Premi la casella di controllo nel modulo del gestore dell'esperimento. Quindi fare nuovamente clic sul pulsante di avvio dell'esperimento per eseguire nuovamente la corsa del robot di addestramento per 30 minuti.

Durante questo percorso di apprendimento, la stimolazione del robot passa da irregolare a titanica. Quando il robot colpisce un ostacolo, lo stimolo del Titanic viene utilizzato per addestrare la rete neurale. Dopo aver salvato i dati, disattivare nuovamente il protocollo di apprendimento deselezionando l'opzione Consegna alla stimolazione tannica.

Dopo aver premuto la casella di controllo, fai clic su avvia esperimento per eseguire una corsa del robot di 30 minuti dopo l'apprendimento. Come in precedenza, ricordarsi di modificare i nomi dei file per evitare l'override. Oltre al robot virtuale mostrato in precedenza, questo stesso set di corse di addestramento può essere utilizzato con una rete neurale e un robot fisico.

Qui è mostrato il percorso seguito da un robot virtuale durante un esperimento MEA vuoto di 20 minuti. Non c'erano cellule piastrate sul MEA per questo esperimento di controllo. Le aree verde chiaro sono libere per il robot di muoversi e i cerchi verde scuro rappresentano ostacoli invalicabili che il robot può percepire attraverso i suoi sensori di distanza.

In ogni prova, il robot inizia nella sezione in alto a sinistra dell'arena e viaggia fino alla sua posizione finale raffigurata come un grande punto rosa. I punti neri più piccoli rappresentano i colpi contro un ostacolo. I percorsi codificati a colori indicano il tempo trascorso.

In questo esperimento senza rete neurale, il robot è stato fermato dal primo ostacolo che ha incontrato. Qui viene mostrato il percorso di un robot virtuale durante un esperimento a circuito aperto in cui il robot viene effettivamente accecato. Invece di codificare le informazioni sensoriali, i treni di stimolazione inviati alla rete neurale sono solo sequenze regolari.

Qui viene mostrato il percorso seguito da un robot virtuale durante un esperimento a circuito chiuso di 20 minuti in cui la rete neurale ha ricevuto un feedback satanico dopo che il robot ha colpito un ostacolo. Si noti che, a differenza dell'esperimento a circuito aperto, questo robot ha aggirato con successo molti ostacoli. Ciò indica che è necessaria un'interazione bidirezionale tra gli elementi neuronali e artificiali per ottenere buone prestazioni di navigazione del robot.

Questo grafico mostra le prestazioni di navigazione del robot espresse in pixel percorsi tra i colpi successivi. Le prime due colonne mostrano la distribuzione delle distanze percorse, due esperimenti di controllo, la MEA vuota e le configurazioni ad anello aperto. La terza e la quarta colonna mostrano la performance senza e con l'erogazione della stimolazione del Titanic.

Dopo ogni colpo contro un ostacolo, l'introduzione della stimolazione Titanic migliora notevolmente. La distanza percorsa tra due colpi consecutivi, migliorando così le prestazioni di navigazione del robot. Questo grafico rappresenta la probabilità per un dato algoritmo di decodifica del robot di navigare con successo attraverso un breve percorso in un periodo di tempo limitato.

I paradigmi di decodifica differiscono l'uno dall'altro a causa dei pesi relativi delle esplosioni e dei picchi isolati dopo il suo sviluppo. Questa tecnica ha aperto la strada agli URG nel campo della neurorobotica e della neuroprotesi per esplorare come collegare il cervello e le macchine al fine di migliorare le prestazioni delle moderne interfacce neurali. Dopo aver visto questo video, dovresti avere una buona comprensione di come pianificare ed eseguire un esperimento ibrido per studiare le proprietà computazionali di una rete neurale biologica incorporata.