Искусственно выращенный мозг улучшает обработку данных временных рядов

Чтобы повысить эффективность работы, мозг развивает множество модулей, которые отвечают за разные функции, например, такие, как управление телом и восприятие. В рамках одной области из нейронов образуются многочисленные кластеры, которые функционируют как модули. Это одна из главных особенностей, которая оставалась почти без изменений на протяжении всей эволюции.

Несмотря на это, без ответа остается много вопросов о том, как специфическая структура нейронной сети мозга функционирует в связке с физическими и химическими свойствами нейронов в процессе обработки информации.

Резервуарные вычисления - это вдохновленная возможностями мозга вычислительная модель, в которой резервуар состоит из множества взаимосвязанных узлов, превращающих входные сигналы в более сложное представление.

На основе резервуарных вычислений группа ученых разработала модель машинного обучения для анализа вычислительных возможностей искусственно выращенного мозга, который состоит из нейронов, полученных из крысиной коры головного мозга.

Используя флуоресцентную визуализацию кальция и оптогенетику, исследователи из национального Университета Тохоку (Япония) сначала записали многоклеточные ответы искусственной нейронной сети. После этого они расшифровали их при помощи резервуарных вычислений.

Выяснилось, что культивированный мозг получил кратковременную память объемом в несколько сотен миллисекунд, которая может использоваться для классификации данных временных рядов, таких как произнесенные цифры.

Ученые обнаружили, что лучшие показатели классификации демонстрируют образцы с более высокой степенью модульности. Кроме того, модель, которая была обучена на одном наборе данных, классифицировала другой набор данных в той же категории, при этом показав, что искусственный мозг имеет способность фильтровать данные для улучшения вычислительной производительности резервуара.

Результаты, полученные в ходе исследования, продвигают механистическое понимание ученых об обработке информации в сетях, состоящих из биологических нейронов, и направляют науку к потенциальной реализации физических резервуарных компьютеров на основе этих нейронов.