为了解决第一个问题 , 研究者开发了一个自定义软件驱动器来创建低延迟闭环反馈系统 , 该系统通过电刺激来模拟与 BNN 环境的交换 。 该闭环系统通过提供关于细胞培养行为因果效应的反馈 , 提供了体外培养具身(embodiment) , 而这又需要内部与外部状态的分离 。 以往的体外和硅研究表明 , 电生理闭环反馈系统展现出了显著的网络可塑性和潜在的行为适应性 , 超出了开环系统所能实现的 。
研究者在活体内发现了对具身和功能行为之间关联的进一步支持 , 其中通过解耦视觉反馈和运动输出破坏闭环系统会破坏小鼠初级视觉皮层中视觉处理的功能发育 。 这有力地支持了生物神经网络中反馈与功能行为最终发育之间存在着重要关联 。
下图为 DishBrain 系统原理和实验示意图 。 如图左上所示 , 神经元培养物有两个来源 , 要么是通过双重 SMAD 抑制和 NGN2 慢病毒属定向分化形成的人类诱导性多能干细胞(iPSC) , 要么是 E15.5 小鼠胚胎的初级脑皮层细胞 , 它们被移植到 HD-MEA 芯片上 , 并通过 DishBrain 系统嵌入到受激的『pong』游戏世界 。
此外 , 研究者还利用 DishBrain 系统演示了如下操作:
- 低延迟闭环反馈系统(刺激 STIM 和沉默 SIL 两种状态);
- 无反馈系统 , 用于展示开环(Open-loop)反馈装置;
- 休息 RST 装置 , 用于展示缺少感官信息时的系统 。
文章图片
DishBrain system and experimental protocol schematic.
下图 A 为 DishBrain 装置的概览图 。 此外 , DishBrain 环境是一个与 MaxOne 软件交互的低延迟实时系统 , 使得应用时可以扩展其原始功能 , 下图 B 即为 DisBrain 闭环系统中的软件组件和数据流 。
文章图片
DishBrain 系统可以记录神经细胞培养中的脑电活动 , 并以类似于通过内部电刺激产生动作电位的方式提供外部(非侵入性)电刺激 。 使用方法中描述的编码方案 , 外部电刺激传达了一系列信息 , 包括可预测的、随机或感官信息 。 具体如下图 A 所示 。
这种设置使得不仅能够从神经培养中『读取』信息 , 还能将感官数据『写入』其中 。 使用 DishBrain 的最初原理证明是为了通过向预定义的感官区域提供输入来模拟经典街机游戏『pong』 。 同样地 , 研究者通过实时收集预定义运动趋于的电生理活动来移动球拍 。 初步调查使用 EXP3 算法对比了不同的运动区域配置 , 旨在通过选择实现更高击中率的设置来确定神经培养是否在特定配置下生成成功率更高的活动 。 与 media-only 控制相比 , 实验培养物对不同配置具有明显的偏好 , 具体如下图 B 所示 。
推荐阅读
- 原神|《原神》「飞彩镌流年」2.4 版本预下载已开启
- 年轻人|呼叫全城玩家,魔都首发「表情包地铁」启程,2022蓝不倒!
- Apple|摩根大通分析师:交货时间来看iPhone 13系列已达供需平衡
- 雷军|和雷军一起开箱,领取小米12「专属指南」
- HONOR|荣耀Magic V已完成3C认证 支持66W快充
- 耳机|「以乐之名耀市而生」飞利浦Fidelio 降噪真无线耳机T1新品直播发布会圆满召开
- 独角兽|魅族 PANDAER「独角兽」iPhone 13 磁吸手机壳开售:129 元
- 苹果|小米迎来扛鼎之作,剑指iPhone
- 设备|小米拍拍 4K 高清投屏器体验:「投屏」更高效的打开方式
- 系列|三星 Galaxy S22 与苹果 iPhone 13 Pro Max 外观对比