De circuito fechado experiências neuro-robótico para testar as propriedades computacionais da Neuronal Networks

O objetivo geral do experimento a seguir é investigar a interação bidirecional entre uma rede biológica de neurônios dissociados e um pequeno robô. O diálogo contínuo pode modificar as propriedades computacionais do sistema neuronal, induzindo um tipo de aprendizado. Isso é conseguido preparando uma cultura neuronal sobre um micro feixe de eletrodos, a fim de permitir uma sessão experimental de várias horas sem comprometer a atividade celular.

Como segunda etapa, um mapa de resposta da cultura é calculado, o que permite a seleção de eletrodos estimulantes para o experimento real de circuito fechado. Em seguida, são definidos parâmetros de codificação e decodificação para permitir a troca de informações entre sistemas biológicos e eletrônicos. Os resultados mostram um aumento significativo nas capacidades de navegação do agente robótico com base na comparação da distância média percorrida entre os acertos sob diferentes condições de controle.

Este método pode nos ajudar a responder a questionamentos importantes em nosso campo de engenharia, como, podemos chegar a um dicionário para traduzir a linguagem dos neurônios para a linguagem das máquinas e vice-versa? Geralmente, os indivíduos novos neste método terão dificuldades devido à complexidade tecnológica da configuração experimental e da arquitetura de software. Demonstrando o procedimento estará Martha Bizo aluna de doutorado do meu laboratório.

O primeiro passo é preparar um micro eletrodo Depois de plaquear culturas neuronais no ME, os chips A esperam cerca de três semanas até que a rede neural amadureça. No dia do experimento, pré-aqueça o sistema de aquecimento MEA por cinco a 10 minutos, ajustando o controlador de temperatura para 37 graus Celsius e ligando a placa de aquecimento abaixo do próprio MEA.

Use também uma tampa aquecida para reduzir a evaporação usando tampas permeáveis a gás esterilizado em autoclave, cubra as culturas com uma tampa para limitar a evaporação e evitar alterações na osmolaridade durante a gravação. Agora circule o urso do carro sobre a cultura para manter os níveis estáveis de oxigênio e pH. Deixe a cultura descansar por 30 minutos Após o período de descanso, registre a atividade espontânea das células neuronais por 30 minutos.

Em seguida, salve os dados em um arquivo clicando no botão de gravação na caixa de picos do formulário de registro de dados. No formulário de exibição de dados brutos, identifique os 10 canais com a maior contagem de picos. Em seguida, selecione esses canais em qualquer um dos layouts MEA.

O formulário de codificação é mostrado aqui arrastando o cursor do mouse sobre as áreas desejadas. Depois que os canais forem selecionados, clique com o botão direito do mouse em qualquer lugar do layout MEA e selecione adicionar à área sensorial esquerda no menu pop-up. Esses eletrodos serão usados para fornecer estimulação elétrica em uma etapa subsequente.

Em seguida, verifique se o estimulador e o amplificador MEA estão conectados corretamente. Todas as configurações requerem dois fios por canal de estimulação desejado, enquanto um cabo coaxial extra é necessário para transportar o sinal de sincronia. Quando estiver pronto, ligue o estimulador.

O próximo passo é definir os parâmetros de estímulo no formulário do mapa de conexão. Todos os estímulos entregues à cultura são por ondas de tensão quadrada fásica. Defina a meia duração para 300 microssegundos e defina a amplitude para 1,5 pico de tensão superior.

Comece a registrar a resposta à estimulação pressionando o botão Iniciar. Na forma do mapa de conexão, uma série de 30 estímulos a 0,2 hertz é fornecida automaticamente a partir de um dos eletrodos de estimulação previamente selecionados. Enquanto este eletrodo está atuando como eletrodo de estimulação, as respostas são registradas a partir dos 59 eletrodos restantes no chip MEA.

Então, com um atraso de cinco segundos entre as séries, a série de 30 estímulos é repetida em cada um dos nove eletrodos de estimulação identificados restantes, enquanto as gravações são coletadas dos 59 eletrodos restantes. Próximo mapa de conexão de computador para cada canal estimulante usando código espião, um aplicativo que realiza cálculos em dados neurais. Dos mapas de conexão, descarte da análise posterior todos os eletrodos estimulantes que não evocaram respostas.

Em seguida, entre os eletrodos restantes, selecione o par com a menor sobreposição nas respostas, conforme descrito no protocolo de texto, selecione um desses eletrodos para codificar informações sensoriais do lado esquerdo do robô e o outro para codificar as leituras do lado direito. Para fazer isso, arraste o cursor do mouse sobre um eletrodo, clique com o botão direito do mouse no layout MEA e selecione adicionar à área sensorial esquerda. Em seguida, arraste o cursor sobre o outro eletrodo.

Clique com o botão direito do mouse e selecione adicionar à área sensorial direita. Em seguida, no formulário de codificação, selecione o esquema de codificação definindo o tipo de codificação como linear. Em seguida, defina as taxas de estimulação mínima e máxima usando a faixa padrão de 0,5 a dois hertz e defina o parâmetro de jitter como zero.

Em seguida, no formulário de decodificação, defina os parâmetros do algoritmo de decodificação. Essa é a mudança de velocidade e a constante de tempo dos parâmetros de decaimento para um para uma cultura moderadamente ativa com aproximadamente um pico por segundo por canal. Em seguida, defina os parâmetros de intermitência do algoritmo de decodificação na forma de decodificação como zero.

O tempo de decaimento é irrelevante se a mudança de velocidade for zero. No formulário do gerenciador de experimentos, selecione os dados a serem registrados clicando nas caixas de seleção salvar dados de pico, dados do robô e dados de estímulos. Agora, inicie uma execução de robô de pré-aprendizagem selecionando o botão iniciar experimento no formulário do gerenciador de experimentos.

Quando solicitado, selecione novos nomes de arquivo para os arquivos de dados. Deixe o experimento ser executado por 30 minutos. Em seguida, clique no botão parar experimento para interromper a execução do robô.

Em seguida, ligue o protocolo de aprendizado marcando a entrega para 10 estimulação depois. Clique na caixa de seleção no formulário do gerenciador de experimentos. Em seguida, clique no botão iniciar experimento novamente para executar o robô de treinamento novamente por 30 minutos.

Durante essa corrida de aprendizado, a estimulação do robô muda de estímulo irregular para titânico. Quando o robô atinge um obstáculo, o estímulo Titanic é usado para treinar a rede neural. Depois de salvar os dados, desligue o protocolo de aprendizado novamente desmarcando a entrega à estimulação tânica.

Depois de clicar na caixa de seleção, clique em iniciar experimento para executar uma execução de robô pós-aprendizagem de 30 minutos. Como antes, lembre-se de alterar os nomes dos arquivos para evitar a substituição. Além do robô virtual mostrado anteriormente, esse mesmo conjunto de execuções de treinamento pode ser usado com uma rede neural e um robô físico.

Aqui é mostrado o caminho seguido por um robô virtual durante um experimento MEA vazio de 20 minutos. Não havia células plaqueadas no MEA para este experimento de controle. As áreas verdes claras são livres para o robô se mover, e os círculos verdes escuros representam obstáculos intransponíveis que o robô pode perceber através de seus sensores de distância.

Em cada teste, o robô começa na seção superior esquerda da arena e viaja para sua posição final representada como um grande ponto rosa. Os pontos pretos menores representam golpes contra um obstáculo. Os caminhos codificados por cores indicam o tempo decorrido.

Neste experimento sem rede neural, o robô foi parado pelo primeiro obstáculo que encontrou. Aqui é mostrado o caminho de um robô virtual durante um experimento de loop aberto no qual o robô é efetivamente cego. Em vez de codificar informações sensoriais, os trens de estimulação entregues à rede neural são apenas sequências regulares.

Aqui é mostrado o caminho seguido por um robô virtual durante um experimento de circuito fechado de 20 minutos no qual a rede neural recebeu feedback satânico depois que o robô atingiu um obstáculo. Observe que, ao contrário do experimento de malha aberta, este robô navegou com sucesso em torno de muitos obstáculos. Isso indica que uma interação bidirecional entre os elementos neuronais e artificiais é necessária para obter bons desempenhos de navegação do robô.

Este gráfico mostra o desempenho de navegação do robô expresso em pixels percorridos entre ocorrências subsequentes. As duas primeiras colunas exibem a distribuição das distâncias percorridas, dois experimentos de controle, o MEA vazio e as configurações de malha aberta. A terceira e a quarta colunas exibem o desempenho sem e com a entrega de estimulação titânica.

Após cada batida contra um obstáculo, a introdução da estimulação do Titanic melhora significativamente. A distância percorrida entre dois golpes consecutivos, melhorando assim o desempenho de navegação do robô. Este gráfico representa a probabilidade de um determinado algoritmo de decodificação do robô navegar com sucesso por uma trilha curta em um período limitado de tempo.

Os paradigmas de decodificação diferem uns dos outros por causa dos pesos relativos de explosões e picos isolados Após seu desenvolvimento. Essa técnica abriu caminho para que os URGs no campo da neurorobótica e neuropróteses explorassem como conectar os cérebros e as máquinas para melhorar o desempenho das interfaces neurais modernas. Depois de assistir a este vídeo, você deve ter uma boa compreensão de como planejar e executar um experimento híbrido para investigar as propriedades computacionais de uma rede neural biológica incorporada.