भूलभुलैया धावक: चूहे के मस्तिष्क की तंत्रिका गतिविधि का वास्तविक समय विश्लेषण

आप किस महाशक्ति का चयन करेंगे: उड़ान, अदर्शन या टेलीपैथी? एक जीवित, एक अर्थ में, उत्तरार्द्ध का अवतार हमेशा एक्स-मेन कॉमिक्स का पात्र रहा है, प्रोफेसर चार्ल्स जेवियर, जो 1963 में स्टेन ली की कलम से वापस दिखाई दिए। लेकिन कॉमिक्स में, और ऐसे सुपरपावर नहीं मिल सकते। वास्तविकता के बारे में क्या? क्या कोई दूसरे के दिमाग को पढ़ सकता है? जैसा कि यह पता चला है, अब यह संभव है, लेकिन जैसा कि आप कल्पना करते हैं। आज हम अध्ययन से परिचित होंगे, जिसमें से मुख्य उपलब्धि प्रायोगिक चूहे के मस्तिष्क के न्यूरॉन्स की इलेक्ट्रॉनिक गतिविधि को पढ़ना है, जो वास्तविक समय में भूलभुलैया के माध्यम से चल रही है। वैज्ञानिकों ने चूहे के सिर में जाने का प्रबंधन कैसे किया, उन्होंने क्या हासिल किया और उनकी तकनीक के लिए क्या संभावनाएं हैं? शोधकर्ताओं की रिपोर्ट हमें इन और अन्य सवालों के जवाब देगी। चलो चलते हैं।

अध्ययन का आधार

वैज्ञानिकों ने ध्यान दिया कि इस समय, मस्तिष्क के अध्ययन के क्षेत्र में एक मुख्य कार्य, एक जटिल संरचना के रूप में, डेटा एकत्र करने और विश्लेषण करने के तरीकों और संबंधित उपकरणों का सुधार है। अधिक सटीक रूप से, तंत्रिका तंत्र के अनुपात-लौकिक गतिविधि के एकत्रित आंकड़ों में छिपी जानकारी को समझना महत्वपूर्ण है। दूसरे शब्दों में, वैज्ञानिक देखते हैं कि कुछ हुआ (ग्राफ़ पर स्पाइक), आपको इस घटना से संबंधित जानकारी प्राप्त करने की आवश्यकता है।

वैज्ञानिकों के अनुसार, सबसे कठिन बात यह है कि वास्तविक समय में डेटा को इकट्ठा करना और उसका विश्लेषण करना। यह एनकेआई (न्यूरो कंप्यूटर इंटरफेस) के माध्यम से किया जाता है, जिसमें मल्टी-इलेक्ट्रोड सेंसर होते हैं।

NQI का उपयोग करते हुए मस्तिष्क अनुसंधान के लिए सबसे सामान्य प्रारूप एक चक्रीय प्रयोग है (प्रत्येक प्रयास के साथ समान स्थितियों को दोहराते हुए)। इस मामले में, ध्यान, स्मृति और सीखने जैसे कुछ संज्ञानात्मक कार्यों का अच्छी तरह से अध्ययन करना संभव है।

उपर्युक्त संज्ञानात्मक कार्यों को सीखने के लिए स्थानिक नेविगेशन सबसे अच्छा ज्ञात और सबसे प्रभावी तरीका है। यह चेक कैसा दिखता है, आप पूछते हैं? बहुत सरल - एक भूलभुलैया। ऐसे प्रयोगों के दौरान, चूहे के मस्तिष्क के कई हिस्सों में अंतरिक्ष (या "स्पेस कोड") के तथाकथित तंत्रिका कोडिंग पाए गए: हिप्पोकैम्पस, एंटोरहिनल कॉर्टेक्स, प्राथमिक दृश्य कॉर्टेक्स (वी 1), रेटिनाप्लेनल कॉर्टेक्स और पार्श्विका कॉर्टेक्स। ये "कोड" कुछ निश्चित संकेत होते हैं जो इस बात की जानकारी संग्रहीत करते हैं कि चूहा भूलभुलैया में कहां है, कहां चलता है और कहां से आता है। यह वह जानकारी है जिसे वास्तविक समय में पढ़ने की आवश्यकता है, न कि प्रयोगों के बाद, जब चूहा आराम या नींद की अवस्था में होता है (धीमी नींद का चरण)।



प्रस्तावित तकनीक में दो मुख्य चरण होते हैं (ऊपर चित्र में स्कीम A ): एन्कोडिंग और डिकोडिंग। कोडिंग चरण में, स्पाइक्स * (तंत्रिका संकेत) और स्थानिक स्थिति के संकेतों के वेक्टर की समग्र संभावना घनत्व बनाई जाती है। सजाने की स्थिति स्थानिक स्थिति के रूप में डेटा के पुनर्निर्माण के लिए जिम्मेदार है, जो पिछले चरण में प्राप्त किए गए जितना संभव हो उतना करीब होना चाहिए।

स्पाइक * (पीक) - उनकी विद्युत गतिविधि के बाह्य पंजीकरण के दौरान न्यूरॉन्स की कार्रवाई क्षमता।

लोहे के दृष्टिकोण से, वैज्ञानिक बताते हैं कि मल्टीकोर केंद्रीय प्रोसेसर (बाद में सीपीयू के रूप में संदर्भित) पर मल्टीथ्रेडेड सॉफ़्टवेयर का उपयोग करके वास्तविक समय डेटा विश्लेषण की समस्या को हल किया जा सकता है। ऐसी प्रणाली का नुकसान कोर की संख्या है, जो न्यूरो कंप्यूटर इंटरफेस की संपूर्ण प्रणाली की मापनीयता को सीमित करता है। शोधकर्ताओं ने एक ग्राफिक्स प्रोसेसर (GPU) को एक नियमित क्वाड-कोर कंप्यूटर में एम्बेड करने का निर्णय लिया। GPU का उपयोग करना डिकोडिंग प्रक्रिया को तेज करता है और सिस्टम की मापनीयता को बढ़ाता है। टेट्रोड से लेकर उच्च घनत्व वाले सिलिकॉन सेंसर तक सेंसर खुद भी बदले गए।

अनुसंधान के परिणाम

परीक्षणों के दौरान, सभी सिस्टम विकल्पों का परीक्षण किया गया था: सीपीयू के आधार पर, सीपीयू + जीपी के आधार पर, टेट्रोड और सिलिकॉन सेंसर का उपयोग करके। डेटाबेस में दो-आयामी अंतरिक्ष में स्थानिक नेविगेशन के समय तय किए गए हिप्पोकैम्पस, नियोकोर्टेक्स और थैलेमस के स्पाइक्स शामिल थे। डेटाबेस विकल्प ऊपर की छवि ( सी ) में दिखाए गए हैं।


चित्र संख्या 1

जैसा कि वैज्ञानिकों ने उम्मीद की थी, एक सीपीयू सिस्टम की तुलना में ग्राफिक्स प्रोसेसर का उपयोग करने वाले एक सिस्टम ने काफी बेहतर परिणाम दिखाए।

तो डेटाबेस नंबर 1 के मामले में, GPU के साथ एक प्रणाली ने 0.02 एमएस / स्पाइक की डिकोडिंग गति से 0.5 का डेटा संपीड़न थ्रेशोल्ड (स्पाइक एन्कोडिंग) दिखाया। समान शर्तों के तहत, सीपीयू प्रणाली ने 0.44 एमएस / स्पाइक (1 वी) की डिकोडिंग गति दिखाई। यह भी ध्यान देने योग्य है कि डेटा संपीड़न के "मजबूत करने" से डिकोडिंग की गति में वृद्धि होती है, लेकिन इस प्रक्रिया की सटीकता में भी कमी आती है।

कोर बैंडविड्थ भी डिकोडिंग प्रक्रिया में एक महत्वपूर्ण भूमिका निभाता है। यदि यह पैरामीटर छोटा था, तो संपीड़न अनुपात ने डिकोडिंग सटीकता को थोड़ा प्रभावित किया।


वास्तविक लोगों की तुलना में डिकोड किए गए डेटा की सटीकता का ग्राफ।

डेटा की उत्कृष्ट डिकोडिंग गति के अलावा, वैज्ञानिक भी डिकोडिंग सटीकता की एक उच्च डिग्री घमंड करते हैं।

शोधकर्ताओं ने एक प्रयोग किया, जिसमें चूहे को एक आकृति आठ के रूप में भूलभुलैया के साथ जाना था, और टेट्रोड ने न केवल हिप्पोकैम्पस के सीए 1 अनुभाग से, बल्कि प्राथमिक विज़ुअल एक्सएक्स 1 वी से संकेतक भी पढ़े।

सजावट को एक मिश्रित प्रारूप में किया गया था: अलग से CA1, अलग से V1 और CA1 + V1। वी 1 डेटा के विश्लेषण से पता चला कि इस क्षेत्र के आसंजन स्थानिक विस्थापन के बारे में जानकारी का एक प्रभावशाली हिस्सा संग्रहीत करते हैं। सीए 1 डेटा के साथ वी 1 डेटा को मिलाकर, वैज्ञानिक समग्र डिकोडिंग सटीकता ( 1 सी ) को बढ़ाने में सक्षम थे।

क्रॉस-मान्यता डेटा के आधार पर, मस्तिष्क के प्रत्येक भाग (CA1 और V1) के लिए परमाणु मापदंडों को अलग से अनुकूलित किया गया था। इस मामले में, डिकोडिंग सटीकता अधिक थी। और शून्य डेटा संपीड़न के साथ, जैसा कि अपेक्षित था, डिकोडिंग की गति बहुत कम थी।

अगला प्रयोग एक भूलभुलैया में आयोजित किया गया था, जिसे एक कॉल करना मुश्किल है, इसकी उपस्थिति को देखते हुए - एक साधारण अंगूठी। चूहा एक सर्कल में भाग गया, और टेट्रोड ने थैलेमस के पूर्वकाल नाभिक से डेटा पढ़ा। मस्तिष्क का यह क्षेत्र स्मृति गठन की प्रक्रिया में और स्थानिक अभिविन्यास में सबसे महत्वपूर्ण है।

एक महत्वपूर्ण बिंदु - थैलेमस के पूर्वकाल नाभिक के अधिकांश न्यूरॉन्स सिर की दिशा के न्यूरॉन्स हैं। इसलिए, डेटा विश्लेषण की प्रक्रिया में, न केवल शरीर की स्थिति के अनुरूप मस्तिष्क के लोब की गतिविधि, बल्कि सिर की स्थिति को भी ध्यान में रखा गया था, क्योंकि ये दो पैरामीटर अलग-अलग हो सकते हैं।

थैलेमस के पूर्वकाल नाभिक के न्यूरॉन्स की गतिविधि के विश्लेषण ने न केवल सिर की स्थिति के लिए अपने संबंधों की पुष्टि की, बल्कि परीक्षणों के दौरान विषय के स्थानिक अभिविन्यास के लिए भी। हालांकि, परिपत्र गति के साथ परीक्षण के मामले में, हेड पोजिशन डेटा की डिकोडिंग की सटीकता में कमी देखी गई थी, जो कि चूहे की गति से संबंधित नहीं है। यह आंदोलन की दिशा के कारण है। अधिक सटीक रूप से, गणना में दोनों विकल्पों को ध्यान में रखा गया था - दक्षिणावर्त और वामावर्त।

यह परीक्षण (एक सर्कल में चल रहा है) महत्वपूर्ण है कि आंदोलन की गति और भूलभुलैया की जटिलता (यह वास्तव में मौजूद नहीं है, बस एक अंगूठी है)। यहां एक महत्वपूर्ण कारक चूहे की गति है। दौड़ने के दौरान, न्यूरॉन्स की गतिविधि भी तेज हो जाती है, जिससे चूहे के आंदोलन की निगरानी होती है। ग्राफिक्स प्रोसेसर का उपयोग करने वाला एक सिस्टम केवल सीपीयू पर आधारित एक पारंपरिक प्रणाली की तुलना में हिप्पोकैम्पल न्यूरॉन्स के स्पाइक्स को बहुत कम (कम प्रशिक्षण प्रयासों के साथ) डिकोड करने में सक्षम था।


चित्र संख्या 2

प्रयोगों में उपयोग किए गए टेट्रोड ने पर्याप्त रूप से सटीक डेटा प्राप्त करना संभव बना दिया, लेकिन यह वांछित नहीं है। इसलिए, सिलिकॉन मल्टी-चैनल इलेक्ट्रोड की भी जांच करने का निर्णय लिया गया। चित्र 2A एक 64-चैनल सिलिकॉन इलेक्ट्रोड दिखाता है। इनमें से दो सेंसर बाएं और दाएं हिप्पोकैम्पस में रखे गए थे।

यह जांचना भी आवश्यक था कि सिस्टम कितना स्केलेबल है। इसके लिए, सिलिकॉन इलेक्ट्रोड के डेटा को "क्लोन" किया गया था, जब तक कि काल्पनिक चैनलों की संख्या 2000 तक नहीं पहुंच गई थी। इसके बाद, सिस्टम को इन आंकड़ों को आंदोलन की अवधि (चलने) और आराम (धीमी नींद के चरण) के दौरान डिकोड करना पड़ा। परिणाम एक 2 डी ग्राफ में दिखाए जाते हैं।

ग्राफिक्स प्रोसेसर के अनुकूलन और मेमोरी तक सीधे पहुंच के उपयोग ने निम्नलिखित संकेतक प्राप्त करना संभव बना दिया: आंदोलन की अवधि के दौरान डिकोडिंग समय - 250 एमएस, बाकी की अवधि के दौरान डिकोडिंग समय - 20 एमएस। दूसरे मामले में, कोडिंग चरण में डेटा संपीड़न नहीं किया गया था, लेकिन कुल मिलाकर लगभग 1200 चैनल शामिल थे।

ग्राफ 2 ई दिखाता है कि एक निश्चित संख्या में चैनलों के साथ डिकोडिंग के लिए आवश्यक समय बहुत बढ़ जाता है यदि सिस्टम केवल सीपीयू का उपयोग करता है। GPU का उपयोग करते समय डिकोडिंग प्रक्रिया की मंदी इतनी महत्वपूर्ण नहीं है और इतनी तेजी से नहीं होती है।

इस अध्ययन की एक महत्वपूर्ण विशेषता वास्तविक समय में न्यूरॉन गतिविधि डेटा को पढ़ना और प्रसंस्करण करना है। एक जीपी सिस्टम इसके लिए आदर्श है, क्योंकि यह बहुत कम समय में बड़ी मात्रा में डेटा को डीकोड कर सकता है, जैसा कि पिछले परीक्षणों में दिखाया गया है।

प्रणाली का परीक्षण करने के लिए, हिप्पोकैम्पस को धीमी नींद के चरण (स्मृति से संभावित घटनाओं का 741 प्रजनन) के दौरान डिकोड किया गया था।


चित्र संख्या 3

परीक्षण और वास्तविक समय पद्धति के बाद मानक डेटा विश्लेषण पद्धति की तुलना, वैज्ञानिकों ने चूहा प्रक्षेपवक्र के पुनर्निर्माण सटीकता (धीमी नींद के दौरान) में वृद्धि देखी। यही है, सिस्टम ने अधिक सटीक रूप से उस प्रक्षेपवक्र को खंगाला जिसके साथ चूहे परीक्षण के दौरान चले गए। इस मामले में, प्रणाली ने परीक्षण के बाद न्यूरॉन्स की गतिविधि का विश्लेषण किया, बाकी अवधि (धीमी नींद के चरण) के दौरान।

इस अध्ययन के साथ एक अधिक विस्तृत परिचित के लिए, मैं दृढ़ता से अनुशंसा करता हूं कि आप वैज्ञानिकों और इसके लिए अतिरिक्त सामग्रियों की रिपोर्ट पर ध्यान दें।

उपसंहार

इस अध्ययन ने मुख्य रूप से पुष्टि की कि न्यूरॉन गतिविधि का वास्तविक समय में पढ़ना संभव है। जब यह तंत्रिका तंत्र के रूप में ऐसी जटिल प्रणाली की बात आती है, तो इसकी गतिविधि के विश्लेषण में किसी भी देरी से प्राप्त आंकड़ों की सटीकता में काफी कमी आती है। इसलिए, इस अध्ययन का इतना महत्व है।

अपनी कार्यप्रणाली का उपयोग करते हुए, वैज्ञानिक न केवल चूहे के आंदोलन के मार्ग का निर्माण करने में सक्षम थे, बल्कि पूरी तरह से मस्तिष्क गतिविधि पर निर्भर थे, लेकिन परीक्षण जानवर की स्मृति का उपयोग करके इस मार्ग को फिर से बनाने के लिए भी। यह वास्तव में अविश्वसनीय है, बहुत जटिल और निश्चित रूप से आशाजनक है।

सिस्टम के आगे सुधार से हमें अधिक सटीकता और गति के साथ डेटा का विश्लेषण करने की अनुमति मिलेगी, जो हमें मस्तिष्क के सिद्धांतों को समझने, एक दूसरे के साथ न्यूरॉन्स के संबंध, बाहरी कारकों के लिए उनकी प्रतिक्रियाओं और शरीर के साथ होने वाली कुछ घटनाओं की तुलना करने की अनुमति देगा, कुछ न्यूरॉन्स की गतिविधि के साथ, और पूरे मस्तिष्क के कुछ हिस्सों के रूप में नहीं।

मस्तिष्क अभी भी दुनिया में सबसे खराब अध्ययन प्रणालियों में से एक है। हालांकि, वैज्ञानिकों के प्रयासों के माध्यम से, जिनके अध्ययन के लिए नए तरीके बनाने की कल्पना वास्तव में असीम है, हम अधिक समझ सकते हैं। और जितना अधिक हम मस्तिष्क समारोह के बारे में जानते हैं, उतना ही बेहतर हम इसे प्रभावित कर सकते हैं। अच्छे तरीके से, निश्चित रूप से: रोगों का शीघ्र निदान, उन्नत मस्तिष्क रोगों का उपचार आदि। इस मामले में, ज्ञान न केवल ताकत है, बल्कि स्वास्थ्य भी है।


हमारे साथ बने रहने के लिए धन्यवाद। क्या आप हमारे लेख पसंद करते हैं? अधिक दिलचस्प सामग्री देखना चाहते हैं? एक आदेश रखकर या अपने दोस्तों को इसकी अनुशंसा करके हमें समर्थन दें, एंट्री-लेवल सर्वरों के अनूठे एनालॉग पर हैबर उपयोगकर्ताओं के लिए 30% छूट जो हमने आपके लिए ईजाद की है: VPS (KVM) E5-2650 v4 (6 कोर) 10GB DDR4 240GB SSD 1Gbps से पूरा सच $ 20 या सर्वर को कैसे विभाजित करें? (विकल्प RAID1 और RAID10 के साथ उपलब्ध हैं, 24 कोर तक और 40GB DDR4 तक)।

VPS (KVM) E5-2650 v4 (6 करोड़) 10GB DDR4 240GB SSD 1Gbps 1 जनवरी तक मुफ्त में अगर छह महीने की अवधि के लिए भुगतान किया जाता है, तो आप यहां ऑर्डर कर सकते हैं ।

डेल R730xd 2 बार सस्ता? केवल हमारे पास 2 x Intel Dodeca-Core Xeon E5-2650v4 128GB DDR4 6x480GB SSD 1Gbps नीदरलैंड और यूएसए में $ 249 से 100 टीवी है ! इन्फ्रास्ट्रक्चर Bldg का निर्माण कैसे करें के बारे में पढ़ें । एक पैसा के लिए 9,000 यूरो की लागत डेल R730xd E5-2650 v4 सर्वर का उपयोग कर वर्ग?