Kapalı döngü Nöro-robotik Deneyler Nöronal Ağları Hesaplamalı Properties Test

Aşağıdaki deneyin genel amacı, biyolojik bir ayrışmış nöron ağı ile küçük bir robot arasındaki çift yönlü etkileşimi araştırmaktır. Sürekli diyalog, nöronal sistemin hesaplama özelliklerini değiştirerek bir tür öğrenmeyi teşvik edebilir. Bu, hücre aktivitesinden ödün vermeden birkaç saatlik deneysel bir oturuma izin vermek için bir mikro elektrot dizisi üzerinde bir nöronal kültür hazırlanarak elde edilir.

İkinci adım olarak, gerçek kapalı döngü deneyi için uyarıcı elektrotların seçimine izin veren kültürün bir yanıt haritası hesaplanır. Daha sonra, biyolojik ve elektronik sistemler arasında bilgi alışverişine izin vermek için kodlama ve kod çözme parametreleri tanımlanır. Sonuçlar, farklı kontrol koşulları altında isabetler arasında kat edilen ortalama mesafenin karşılaştırılmasına dayalı olarak robotik ajanın seyir yeteneklerinde önemli bir artış olduğunu göstermektedir.

Bu yöntem, mühendislik alanımızdaki temel soruları yanıtlamamıza yardımcı olabilir, örneğin, nöronların dilini makinelerin diline çevirmek için bir sözlüğe ulaşabilir miyiz ve bunun tersi de geçerlidir. Genel olarak, bu yönteme yeni olan kişiler, deney düzeneğinin ve yazılım mimarisinin teknolojik karmaşıklığı nedeniyle mücadele edeceklerdir. Prosedürü göstermek, laboratuvarımın doktora öğrencisi Martha Bizo olacak.

İlk adım, sinir ağını uyarmak veya kaydetmek için kullanılabilecek 60 elektrotlu bir mikro elektrot dizisi veya MEA çipi hazırlamaktır. Nöronal kültürleri ME üzerine yerleştirdikten sonra, A çipleri sinir ağı olgunlaşana kadar yaklaşık üç hafta bekler. Deney gününde, sıcaklık kontrol cihazını 37 santigrat dereceye ayarlayarak ve MEA'nın altındaki ısıtma plakasını açarak MEA ısıtma sistemini beş ila 10 dakika önceden ısıtın.

Ayrıca, otoklav kullanarak buharlaşmayı azaltmak için ısıtılmış bir kapak kullanın: sterilize edilmiş gaz geçirgen kapaklar, buharlaşmayı sınırlamak ve kayıt sırasında ozmolaritedeki değişiklikleri önlemek için kültürleri bir kapakla örtün. Şimdi hem sabit oksijen hem de pH seviyelerini korumak için kültür üzerinde araba ayısı dolaştırın. Kültürün 30 dakika dinlenmesine izin verin Dinlenme süresinden sonra, nöronal hücrelerin spontan aktivitesini 30 dakika boyunca kaydedin.

Ardından, veri kayıt formunun ani artış kutusundaki kayıt düğmesine tıklayarak verileri bir dosyaya kaydedin. Ham veri görüntüleme formunda, en yüksek ani artış sayısına sahip 10 kanalı belirleyin. Ardından, MEA düzenlerinden herhangi birinde bu kanalları seçin.

Kodlama formu burada, fare imlecini istenen alanların üzerine sürükleyerek gösterilir. Kanallar seçildikten sonra, MEA düzeninde herhangi bir yere sağ tıklayın ve açılır menüden sol duyusal alana ekle'yi seçin. Bu elektrotlar, bir sonraki adımda elektriksel stimülasyon sağlamak için kullanılacaktır.

Ardından, stimülatörün ve MEA amplifikatörünün doğru şekilde bağlandığını doğrulayın. Tüm konfigürasyonlar, istenen stimülasyon kanalı başına iki kablo gerektirirken, senkronizasyon sinyalini taşımak için ekstra bir koaksiyel kablo gereklidir. Hazır olduğunuzda stimülatörü açın.

Bir sonraki adım, uyaran parametrelerini bağlantı haritası formunda tanımlamaktır. Kültüre iletilen tüm stimülasyonlar fazik kare voltaj dalgaları ile yapılır. Yarım süreyi 300 mikrosaniyeye ayarlayın ve genliği 1.5 tepe tepe voltajına ayarlayın.

Başlat düğmesine basarak stimülasyona verilen yanıtı kaydetmeye başlayın. Bağlantı haritası formunda, daha önce seçilen stimülasyon elektrotlarından birinden otomatik olarak 0.2 hertz'de 30 uyaran dizisi verilir. Bu elektrot stimülasyon görevi görürken, MEA çipi üzerinde kalan 59 elektrottan elektrot yanıtları kaydedilir.

Daha sonra, seriler arasında beş saniyelik bir gecikmeyle, kalan dokuz tanımlanmış stimülasyon elektrodunun her birinde sırayla 30 uyaran dizisi tekrarlanırken, kalan 59 elektrottan kayıtlar toplanır. Sonraki bilgisayar bağlantı haritası, nöral veriler üzerinde hesaplamalar yapan bir uygulama olan casus kodunu kullanarak her uyarıcı kanal için. Bağlantı haritalarından, yanıt uyandırmayan tüm uyarıcı elektrotları daha fazla analizden atın.

Daha sonra kalan elektrotlar arasından, metin protokolünde açıklandığı gibi yanıtlarda en az örtüşen çifti seçin, robotun sol tarafından duyusal bilgileri kodlamak için bu elektrotlardan birini seçin ve diğerini sağ taraftan okumaları kodlamak için seçin. Bunu yapmak için, fare imlecini bir elektrotun üzerine sürükleyin, MEA düzenine sağ tıklayın, ardından sol duyusal alana ekle'yi seçin. Ardından imleci diğer elektrotun üzerine sürükleyin.

Sağ tıklayın ve sağ duyusal alana ekle'yi seçin. Daha sonra kodlama formunda, kodlama türünü doğrusal olarak ayarlayarak kodlama şemasını seçin. Ardından, varsayılan 0,5 ila iki hertz aralığını kullanarak minimum ve maksimum stimülasyon oranlarını tanımlayın ve titreşim parametresini sıfıra ayarlayın.

Ardından kod çözme formunda, kod çözme algoritması parametrelerini ayarlayın. Bu, kanal başına saniyede yaklaşık bir ani yükselme ile orta derecede aktif bir kültür için bozunma parametrelerinin hız değişimi ve zaman sabitidir. Ardından, kod çözme formundaki kod çözme algoritması patlama parametrelerini sıfıra ayarlayın.

Hız değişimi sıfır ise bozunma süresi önemsizdir. Deney yöneticisi formunda, ani artış verilerini, robot verilerini ve uyaran verilerini kaydet onay kutularını tıklayarak kaydedilecek verileri seçin. Şimdi, deney yöneticisi formundaki denemeyi başlat düğmesini seçerek bir ön öğrenme robotu çalıştırın.

İstendiğinde, veri dosyaları için yeni dosya adları seçin. Denemenin 30 dakika boyunca çalışmasına izin verin. Ardından robotun çalışmasını durdurmak için deneyi durdur düğmesine tıklayın.

Ardından, 10 stimülasyonundan sonra teslimatı işaretleyerek öğrenme protokolünü açın. Deney yöneticisi formundaki onay kutusuna basın. Ardından, eğitim robotunu 30 dakika boyunca tekrar çalıştırmak için deneyi başlat düğmesine tekrar tıklayın.

Bu öğrenme çalışması sırasında, robottan gelen stimülasyon düzensiz uyarandan Titanik uyarana dönüşür. Robot bir engele çarptığında, sinir ağını eğitmek için Titanik uyaran kullanılır. Verileri kaydettikten sonra, tanenli stimülasyona teslim etme seçeneğinin işaretini kaldırarak öğrenme protokolünü tekrar kapatın.

Onay kutusuna bastıktan sonra, öğrenme sonrası 30 dakikalık bir robot koşusu gerçekleştirmek için deneyi başlat'ı tıklayın. Daha önce olduğu gibi, geçersiz kılmayı önlemek için dosya adlarını değiştirmeyi unutmayın. Daha önce gösterilen sanal robota ek olarak, aynı eğitim çalıştırmaları seti bir sinir ağı ve fiziksel bir robotla kullanılabilir.

Burada, 20 dakikalık boş bir MEA deneyi sırasında sanal bir robotun izlediği yol gösterilmektedir. Bu kontrol deneyi için MEA'da kaplanmış hiçbir hücre yoktu. Açık yeşil alanlar robotun hareket etmesi için serbesttir ve koyu yeşil daireler, robotun mesafe sensörleri aracılığıyla algılayabileceği aşılmaz engelleri temsil eder.

Her denemede robot, arenanın sol üst bölümünde başlar ve büyük pembe bir nokta olarak gösterilen son konumuna gider. Daha küçük siyah noktalar, bir engele karşı yapılan vuruşları temsil eder. Renk kodlu yollar geçen süreyi gösterir.

Sinir ağı olmayan bu deneyde robot, karşılaştığı ilk engel tarafından durduruldu. Burada, robotun etkili bir şekilde kör edildiği bir açık döngü deneyi sırasında sanal bir robotun yolu gösterilmektedir. Duyusal bilgileri kodlamak yerine, sinir ağına iletilen stimülasyon trenleri sadece düzenli dizilerdir.

Burada, robot bir engele çarptıktan sonra sinir ağının şeytani geri bildirim aldığı 20 dakikalık bir kapalı döngü deneyi sırasında sanal bir robotun izlediği yol gösterilmektedir. Açık döngü deneyinden farklı olarak, bu robotun birçok engelin etrafından başarıyla geçtiğini unutmayın. Bu, robotun iyi navigasyon performanslarını elde etmek için nöronal ve yapay elemanlar arasında çift yönlü bir etkileşimin gerekli olduğunu gösterir.

Bu grafik, sonraki isabetler arasında seyahat edilen pikseller olarak ifade edilen robotun gezinme performansını gösterir. İlk iki sütun, kat edilen mesafelerin dağılımını, iki kontrol deneyini, boş MEA'yı ve açık döngü konfigürasyonlarını gösterir. Üçüncü ve dördüncü sütunlar, Titanik stimülasyonu olmadan ve verilmeden performansı gösterir.

Bir engele yapılan her vuruşun ardından, Titanik stimülasyonunun tanıtımı önemli ölçüde iyileşir. Ardışık iki vuruş arasında kat edilen mesafe, böylece robotun navigasyon performanslarını iyileştirir. Bu grafik, robotun belirli bir kod çözme algoritmasının sınırlı bir süre içinde kısa bir parkurda başarılı bir şekilde gezinme olasılığını temsil eder.

Kod çözme paradigmaları, geliştirilmesinden sonra patlamaların ve izole edilmiş sivri uçların nispi ağırlıkları nedeniyle birbirinden farklıdır. Bu teknik, nöro robotik ve nöroprotez alanındaki URG'lerin, modern nöral arayüzlerin performanslarını iyileştirmek için beyinleri ve makineleri nasıl bağlayacaklarını keşfetmelerinin yolunu açtı. Bu videoyu izledikten sonra, somutlaşmış bir biyolojik sinir ağının hesaplama özelliklerini araştırmak için hibrit bir deneyin nasıl planlanacağını ve yürütüleceğini iyi anlamış olmalısınız.