Zoutgrote sensoren bootsen de hersenen na

Waarom zouden we er geen inspiratie uit halen om de hersenen beter te begrijpen? Dat is tenminste wat onderzoekers van Brown University hebben gedaan door een draadloos communicatiesysteem te bouwen dat de hersenen nabootst met behulp van een reeks kleine siliciumsensoren, elk ter grootte van een zandkorrel. Onderzoekers hopen dat de technologie ooit kan worden gebruikt in implanteerbare hersen-machine-interfaces om hersenactiviteit te lezen.

Elke sensor, die 300 x 300 micrometer meet, fungeert als een draadloos knooppunt in een grote reeks, analoog aan neuronen in de hersenen. Wanneer een knooppunt een gebeurtenis waarneemt, zoals een verandering in temperatuur of neurale activiteit, stuurt het apparaat de gegevens als een ‘pieksignaal’, bestaande uit een reeks korte radiofrequentiepulsen, naar een centrale ontvanger. Die ontvanger decodeert vervolgens de informatie.

“De hersenen zijn uiterst efficiënt in het verwerken van grote hoeveelheden gegevens”, zegt Arto Nurmikko, hoogleraar techniek en natuurkunde aan de Brown University. Daarom besloot zijn laboratorium een ​​netwerk van onopvallende microsensoren te ontwikkelen die ‘neuromorf’ zijn, wat betekent dat ze geïnspireerd zijn door de manier waarop de hersenen werken. En daar houden de overeenkomsten niet op: Nurmikko zegt dat draadloze signalen en computermethoden ook door de hersenen zijn geïnspireerd. Het team maakte zijn resultaten op 19 maart van het jaar bekend Natuurelektronica.

Denken als een brein

Net als neuronen zijn deze sensoren gebeurtenisgestuurd en sturen ze alleen signalen naar de ontvanger als er een verandering optreedt. Terwijl digitale communicatie informatie codeert in een reeks enen en nullen, vermindert dit systeem de hoeveelheid verzonden gegevens door periodes van inactiviteit te gebruiken om af te leiden waar de nullen naartoe worden gestuurd. Belangrijk is dat dit tot aanzienlijke energiebesparingen leidt, wat op zijn beurt een grotere verzameling microsensoren mogelijk maakt.

Maar omdat er zoveel sensoren zijn die informatie naar een gemeenschappelijke ontvanger sturen, kan het lastig zijn om de datastromen recht te houden. De onderzoekers pasten een neuromorfe computertechniek toe om het signaal in realtime te decoderen.

“Het brein is uiterst efficiënt in het verwerken van grote hoeveelheden gegevens.” —Arto Nurmiko, Brown Universiteit

De onderzoekers voerden ook simulaties uit om het foutenpercentage van het systeem te testen, dat toeneemt met meer sensoren. Naast de 78 gefabriceerde sensoren voerden ze simulaties uit van netwerken bestaande uit 200, 500 en 1.000 knooppunten met behulp van een dataset van echte primatenhersenbeelden. In beide gevallen voorspelde het systeem de handbewegingen van de niet-menselijke primaat met een foutenpercentage van minder dan 0,1 procent, wat acceptabel is voor hersencomputertoepassingen. Nurmikko zegt dat het team het draadloos geïmplanteerde sensornetwerk vervolgens op knaagdieren zal testen.

Hoewel de technologie kan worden toegepast op elk deel van het lichaam waar biomedische onderzoekers de fysiologische activiteit willen monitoren, is het primaire doel om deze te gebruiken in een brein-machine-interface die een groot deel van de hersenen kan onderzoeken, zegt Nurmikko. De sensoren kunnen ook worden aangepast voor gebruik in draagbare technologie of omgevingssensoren.

Er zijn belangrijke voordelen van het systeem voor biomedisch gebruik, zoals een klein, onopvallend ontwerp. Maar deze toepassingen leggen ook een belangrijke beperking op: de sensoren worden extern gevoed door een draadloze straal om de noodzaak van batterijen te vermijden, en het lichaam kan slechts een beperkte hoeveelheid RF-energie veilig absorberen. Met andere woorden: het systeem wordt niet beperkt door bandbreedte, maar door vermogensafgifte. “Praktisch gezien komt het altijd neer op waar haal je de energie vandaan?”, zegt Nurmikko.

Mogelijkheden van interfaces tussen hersenen en machines

Het onderzoek levert “een belangrijke bijdrage, die de haalbaarheid en het potentieel van neuromorfe communicatie aantoont voor toekomstige gevallen van draadloze detectie, communicatie en besluitvorming met laag vermogen”, zegt Osvaldo Simeone, professor aan King’s College London en een van de onderzoekers. die in 2020 de eerste was die een neuromorf communicatiesysteem ontwierp en simuleerde.

Het idee van een draadloos netwerk dat de hersenen aftast is niet nieuw, zegt Federico Corradi, onderzoeker en universitair docent elektrotechniek aan de Technische Universiteit Eindhoven. In 2011 gaf een onderzoeker van UC Berkeley bijvoorbeeld een presentatie over ‘neuraal stof’, waarin hij een hypothetische klasse van draadloze sensoren op nanometerformaat voorstelde. “Maar nu begint het langzaam vorm te krijgen”, zegt Corradi.

Een belangrijk element van het ontwerp van de Brown Explorer is de eenvoud, zegt Corradi. De sensorarchitectuur bevat geen batterij of klok op de chip, waardoor deze ideaal is voor schaalbare systemen met een laag energieverbruik. “Het opent veel mogelijkheden.”

Dat gezegd hebbende, wijst Corradi op het asynchrone karakter van de sensor als een belangrijk voordeel en beperking. Dit aspect van de sensor slaat tijdinformatie op, wat essentieel is voor het bestuderen van de hersenen. Maar deze functie kan ook tot problemen leiden als de relatieve timing van gebeurtenissen in de war raakt.

Corradi gelooft dat het werk deel uitmaakt van een grotere trend in de richting van neuromorfe systemen, “een nieuwe golf van brein-machine-interfaces die we hopelijk in de nabije toekomst zullen zien.”