Grafen może utrzymać klucz do połączenia naszych mózgów z maszynami

Twój mózg jest gałęzią aktywności elektrycznej - odpalanie sygnałów, strumieniowanie danych. To także czarna skrzynka całkowitego chaosu. Do tej pory najlepsze sposoby na połączenie neuronów z urządzeniami i komputerami umożliwiły jedynie zbadanie szerokich obszarów neuronów i uzyskanie szerokiego konsensusu co do tego, do czego jeżdżą. Ale oczywisty przełom w technice grafenowej daje nadzieję, że będziemy mogli się do tego wykorzystać indywidualne sygnały neuronowe w istniejącym środowisku biologicznym, z ogromnymi konsekwencjami dla protez, uczenia się i zachowania zdrowia psychicznego.

Zespół naukowców z Hiszpanii, Włoch i Wielkiej Brytanii wykazał, że grafen może skutecznie łączyć się z neuronami i przenosić od nich sygnał elektryczny. Prace te opierają się na wcześniejszych wysiłkach, w których grafen został pokryty peptydami w celu promowania adhezji neuronalnej i wykazał, że taka powłoka jest niepotrzebna. W przeciwieństwie do poprzednich prób i innych technologii, ta praca nie wywołała blizny, co z czasem uczyniło inne implanty bezużytecznymi. Ta wersja, w której zastosowano nieprzetworzony grafen, ma wysoki stosunek sygnału do szumu, co czyni go bardziej praktycznym w zastosowaniach biologicznych.

Pierwsze cele tej pracy to leczenie choroby Parkinsona. Istniejące technologie interfejsu neuronowego odczytują wyjście neuronu i przekładają je na coś innego. Bezpośrednio łącząc się z neuronami, mamy nadzieję, że ta praca może zostać użyta do zakłócania sygnału. Ponieważ choroba Parkinsona nie jest w stanie zahamować sygnałów nerwowych, technologia, która może sztucznie blokować zewnętrzne sygnały, może rozwiązać ten problem. Uważa się, że tak właśnie działają istniejące wszczepialne elektrody: poprzez niespecyficzne nadawanie impulsów elektrycznych, które zakłócają te nieodpowiednie sygnały. Indywidualna rozdzielczość neuronów może zapewnić znacznie większą kontrolę.

Grafen jest idealnym materiałem na interfejs biologiczny: jest elastyczny, stabilny i biokompatybilny. Ponieważ jest także w stanie przenosić ładunek elektryczny, wzbudził zainteresowanie badaczy do wykorzystania w aplikacjach neuronowych.

Grafen jest silny, ale czy jest twardy? http://t.co/uUfeb1h0oN @ENERGY #MaterialsScience pic.twitter.com/BippvPpK7C

- Berkeley Lab (@BerkeleyLab) 22 lutego 2016 r

Istniejąca technologia interfejsu neuronowego ma tendencję do oceny całego pola neuronów przy użyciu tablicy elektrod (takich jak ostatni przykład, który był używany do kontrolowania poszczególnych palców). Choć może to być przydatne w niektórych ustawieniach, przesiewanie wielu, wielu neuronów w celu znalezienia żądanego sygnału może być trudne. Ale spójrz na rozdzielczość interakcji z poszczególnymi neuronami, a potencjał jest bezprecedensową kontrolą - ze wszystkimi rodzajami potencjału dla protezy nerwowej.

Nadal potrzebujesz zaawansowanego mechanizmu, aby zapewnić kontakt tylko z odpowiednimi neuronami; musisz rozplątać sygnał, z którego pochodzi; i musisz przetłumaczyć tę kakofonię sygnałów.

Wszczepianie elektrod może być również trudne. Istniejące technologie zanurzają elektrody w tkance mózgowej i prawie na pewno uszkadzają pewne połączenia po drodze. Ponieważ ta technologia dotyczy tylko nagrań terenowych, uszkodzenie kilku neuronów nie jest problematyczne. Jeśli celem jest połączenie z poszczególnymi neuronami, może to być istotny problem.

Ponadto system może wymagać „kalibracji”. Czas i siła sygnałów neuronalnych są niezwykle ważne. Zwykle mózg sam się kalibruje. Przykładowo, ćwicząc kołysanie kijem baseballowym, wysyłasz opinię pozytywną lub negatywną, aby wzmocnić połączenia i użyć odpowiedniej ilości siły i kierunku. Jeśli musiałbyś ręcznie dostosować te rzeczy w systemie, który nie jest poprawny, może to sprawić, że będzie to trudniejsze. (Warto jednak zauważyć, że mózg jest bardzo dobry w byciu „plastycznym” i dostosowującym się, więc może rozwiązać swój własny problem, po prostu modulując własne wyniki w oparciu o twoje reakcje).

Tego typu problemy są jednak problemami inżynierskimi i nie da się ich rozwiązać. Gdy te wyzwania zostaną rozwiązane, zdolność do łączenia się z poszczególnymi neuronami może być głęboka. Na przykład „detektory koincydencji” w mózgu wykrywają nadchodzące impulsy neuronalne z więcej niż jednego neuronu. Jeśli taktowanie wejścia z obu jest wystarczająco blisko, spowoduje to impuls w samym detektorze koincydencji. Ten mechanizm jest wykorzystywany w kilku kontekstach, z których jeden dotyczy uczenia się.

Ponieważ ten mechanizm jest świetny w kojarzeniu różnych zdarzeń neuronowych, można go wykorzystać do budowania pojęć łączących odległe części mózgu, a zatem do uczenia się nowego pomysłu. Jeśli ten proces mógłby być sterowany ręcznie, można sobie wyobrazić styl uczenia się oparty na macierzy, w którym detektory koincydencji są uruchamiane ręcznie, aby skojarzyć różne koncepcje i zbudować myśl bez ustawiania stopy w klasie. Jednak w perspektywie krótkoterminowej po prostu zablokowanie niewłaściwej sygnalizacji w chorobie Parkinsona będzie znacznie mniej trudne. Poszukaj grafenu, aby najpierw zachować gładkie ruchy - zanim być może sprawisz, że wspomnienia będą łatwiejsze do zdobycia później.