Lobachevsky Uni-Wissenschaftler in Zusammenarbeit mit Ihren Kollegen aus Russland, Italien, China und die Vereinigten Staaten haben vorgeschlagen, das Konzept einer memristive neurohybrid chip verwendet werden, in kompakter Biosensoren und neuroprothesen. Das Konzept basiert auf bestehenden und zukunftsweisenden Lösungen bei der Kreuzung von neuronalen Zell-und Mikrofluidik-Technologien, die es möglich machen Sie wachsen eine räumlich geordnete Leben neuronalen Netzwerk. In Kombination mit CMOS-kompatiblen Technologien für die Erstellung von mikroelektroden-Matrizen und arrays von memristive devices, dieser integrierte Ansatz wird verwendet für die Registrierung, Verarbeitung und stimulation bioelektrischer Aktivität in Echtzeit.
Gemäß Alexey Mikhaylov, Leiter des Labors an der Lobachevsky-Universität Institut für Physik und Technologie, das zusammenspiel von unterschiedlichen Teilsystemen organisiert ist, auf einem einzigen Kristall (chip) und wird gesteuert durch den eingebauten analog-zu-digital-schaltungen. „Die Umsetzung eines biokompatiblen mikroelektronischen Systems, zusammen mit der Entwicklung von Mobilfunk-Technologie, ein Durchbruch in der Neuroprothetik, indem ein wichtiger Wettbewerbsvorteil: ein Miniatur-bioelektrischen sensor basiert auf der Mikro – und Nanostrukturen mit einer option zum speichern und verarbeiten von Signalen in mehrere Manieren, einschließlich feed-forward-Ansatz und feedback-Schleifen, dienen als ein aktiver neuronales interface für intelligente Steuerung und management von neuronalen Strukturen.
Dieses Potenzial (unerreichbar mit der Verwendung von traditionellen neuronales interface-Architekturen) können erweitert werden, um andere Arten von bioelektrischer Signale für die Registrierung der Signale von Hirn -, Herz-und musular Aktivität als auch auf den Zustand der Haut, die tragbare Signalverarbeitung und Diagnose-Systeme“, sagt Mikhaylov.
Die Entwicklung und Herstellung bidirektionale neurointerfaces, Wissenschaftler derzeit anwenden, komplexe elektronische schaltungen zu realisieren spezielle mathematische Modelle und neuromorphic Prinzipien der Verarbeitung von Informationen. Solche elektronischen Systeme verwenden die traditionellen Komponenten und kann nicht erfüllen die Anforderungen der Energie-Effizienz und Kompaktheit für eine sichere Interaktion mit lebenden Kulturen oder Geweben, die auf dem gleichen chip.
„Memristors erstellt von Wissenschaftlern aus Russland und Italien haben die einzigartige Eigenschaft der nichtlinearen resistiven Speicher und sind vielversprechende Elemente für analoge Systeme der Informationsverarbeitung, einschließlich derjenigen, die mit einem neuron-ähnlichen Struktur. Sie können auch dazu dienen, wie die elektrophysiologische Aktivität-sensoren durchführen, die gleichzeitig die Funktion der Akkumulation und der nicht-flüchtige Speicherung von Informationen,“ Mikhaylov Noten.
Eine schematische Darstellung der vorgeschlagenen neurohybrid-system zeigt mehrere funktionelle Schichten kombiniert in einem CMOS-integrierten chip. Die oberste Schicht ist ein Teil des neuronalen system-hier dargestellt durch eine Kultur der dissoziierten hippokampalen Zellen gewachsen auf einem multielectrode array und funktionell angeordnet durch ein spezielles layout der mikrofluidischen Kanäle.
Die mikroelektroden-Schicht dient der extrazellulären Registrierung und stimulation von Neuronen in vitro. Umgesetzt wird es auf der oberen Metallisierungs-Ebenen des CMOS-Schicht zusammen mit einer Reihe von memristive devices.
„Die einfachste Aufgabe, die von memristive devices ist die direkte Bearbeitung der spiking-Aktivität von der biologischen Netzwerk; jedoch, selbst-lernendes neuronales Netzwerk-Architekturen auf der Basis von vollständig verbundenen cross-bar memristive arrays können entworfen werden, für den adaptiven decodieren von Raum-Zeit-Merkmale der bioelektrischen Aktivität. Die Ausgabe von diesem künstlichen Netz kann verwendet werden, um die zellulare Netzwerk über die allmähliche modulation der extrazellulären stimulation nach dem vorgegebenen Protokoll. Analoge und digitale schaltungen für den Zugriff auf und die Steuerung von multielectrode array und memristive devices, zu verstärken, erzeugen und die übertragung von Signalen zwischen den Ebenen umgesetzt werden sollten, die in der Haupt-CMOS-Schicht,“ Alexey Mikhaylov erklärt.
Erstellen Sie eine neurohybrid chip, die gemeinsame Gestaltung und Optimierung all dieser Elemente auf den Ebenen von Materialien, Geräten, Architekturen und Systeme erforderlich. Natürlich, diese Arbeit muss in Tempo mit der Entwicklung von bio – und neurotechnologies für eine Reihe von Problemen vor allem auf die Biokompatibilität, mechanische Einwirkungen, geometrie, Lage und Miniaturisierung von mikroelektroden und Sonden, und auch deal mit der Reaktion der lebenden Kultur/Gewebe auf der Oberfläche mit einer künstlichen elektronische subsystem.
In den Worten von Alexey Mikhaylov, das Konzept zeigt die Idee, eine Gehirn-on-chip system für die Zugehörigkeit zu einer allgemeineren Klasse von memristive neurohybrid Systeme für die nächste generation der Robotik, der künstlichen Intelligenz und der personalisierten Medizin.
Zur Veranschaulichung der vorgeschlagenen Ansätze und Verwandte Produkte auf einer absehbaren Zeitskala, einen Fahrplan für memristive neuromorphic und neurohybrid Systeme vorgeschlagen worden . Der Schwerpunkt bei der Planung wird auf die Entwicklung und commecialization der die spezielle hardware, mit der Architektur und den Prinzipien des biologischen neuronalen Netzwerken zur Unterstützung der Entwicklung und massenhafte Einführung von künstlicher Intelligenz, machine-learning -, Neuroprothetik und neuronale Schnittstellen-Technologien.
„Nehmen wir an, der Fahrplan hatte seinen Ausgangspunkt in 2008, ebenso wie die aktuelle Welle des Interesses in memristors war immer im Gange, und dieser Fahrplan enthält die laufende Forschung und Entwicklung in weiten Bereichen der Neurobiologie und Neurophysiologie“, kommentiert Alexey Mikhaylov.
Die folgende Produkt-Nischen sind vorgesehen, die von Forschern in den Fahrplan an den verschiedenen Phasen der Arbeit in diese Richtung: neuromorphic computing “ – Geräten; nicht-invasive neuronale Schnittstellen; neuroimplants, neuroprothesen und invasive neuronale Schnittstellen, etc.