Science-Fiction wird Realität! Künstliche Neuronen kontrollieren erfolgreich Venusfliegenfallen, was die Transformation von Gehirn-Computer-Schnittstellen fördern könnte

Autor: Cooper

In den 1980er Jahren prägte der amerikanische Informatiker Carver Mead in einer Arbeit den Begriff „Neuromorphic Engineering“.

Er hat mehr als 40 Jahre damit verbracht, ein analytisches System zu entwickeln, das menschliche Sinne und Verarbeitungsmechanismen (wie etwa Berührung, Sehen, Hören und Denken) simulieren kann.

Obwohl heute vielen Menschen noch nicht klar ist, was neuromorphe Computertechnologie ist, kennen sie die umfassendere Technologie, die auf der Theorie dieser Systeme basiert: künstliche Intelligenz.

In den letzten Jahren wurde die Architektur vieler Smartchips durch die Forschung im Bereich des neuromorphen Computing beeinflusst. Das Ergebnis sind zahlreiche Siliziumarchitekturen, die darauf ausgelegt sind, Rechenkapazitäten auf Neuronenebene zu erreichen und Rechenstrategien durch neuromorphes Computing zu optimieren.

Mit Blick auf die Zukunft ist die Brain-Computer-Interface-Technologie eine typische Anwendung der neuromorphen Technik. Wissenschaftler müssen künstliche neuromorphe Geräte in biologische Systeme integrieren, um menschliche Funktionen zu reparieren und zu verbessern.

Allerdings ist das Potenzial siliziumbasierter neuromorpher Geräte zur Biointegration stark eingeschränkt, da sie typischerweise eine schlechte Biokompatibilität aufweisen, komplexe Schaltkreise verwenden, eine geringe Energieeffizienz aufweisen und auf einem grundsätzlich anderen Funktionsprinzip als die biologische Ionensignalmodulation basieren.

Heute wurde in einem neuen Artikel in der Fachzeitschrift Nature Communications von einem künstlichen Neuron (OECN) berichtet, das sich erfolgreich mit den biologischen Zellen der Venusfliegenfalle verbinden kann und es der Pflanze ermöglicht, ihre Blattblätter zu schließen.

Abbildung | Während des Experiments erfasste neuronale Signale (Quelle: Nature Communications)

Dem Artikel zufolge können OECNs auch in alle gedruckten organischen elektrochemischen Synapsen (OECSs) integriert werden und auf eine Vielzahl von Reizen reagieren. Dies eröffnet eine neue Perspektive für lokale künstliche neuronale Systeme, die voraussichtlich in die biologischen Signalsysteme von Pflanzen, Insekten und sogar Wirbeltieren integriert werden. Diese Erkenntnis könnte Auswirkungen auf die zukünftige Entwicklung von Gehirn-Computer-Schnittstellen und Softrobotik haben.

Die Erforschung künstlicher Neuronen

**Es ist bekannt, dass sich die Grundbausteine ​​von Lebewesen grundlegend von denen elektronischer Geräte unterscheiden. Daher ist die Fähigkeit, künstliche Geräte mit biologischen Systemen zu verknüpfen, ein heikles neues Gebiet der wissenschaftlichen Forschung.

Obwohl softwarebasierte neuromorphe Algorithmen in biomedizinische Systeme integriert wurden, werden letztlich hardwarebasierte Systeme benötigt, die eng mit lebendem Gewebe verbunden sind und die Ereigniserfassung und Verarbeitungsleistung biologischer Systeme nutzen können, um ihre Funktionalität weiterzuentwickeln.

Neuromorphe Systeme, die Designkonzepte von biologischen Signalsystemen übernehmen, sollen diese Lücke schließen.

In den letzten Jahren haben organische Halbleiter in der Industrie großes Ansehen erlangt und ihre Anwendung in künstlichen Synapsen, der Neuroelektronik und neuronalen Schnittstellen hat zugenommen. Aus struktureller Sicht weisen organische Halbleiter die Eigenschaften Lösungsverarbeitbarkeit, Biokompatibilität, biologische Abbaubarkeit und Weichheit auf. Sie können spezifische Anregungs-, Sensor- und Antriebsfunktionen bereitstellen und die Übertragung elektronischer und ionischer Signale unterstützen.

Künstliche Neuronen auf Basis organischer Feldeffekttransistoren (OFETs), die in entsprechenden Berichten erwähnt werden, haben sich als sehr nützlich erwiesen, benötigen für ihren Betrieb jedoch eine hohe Eingangsspannung (5 V), was bei der Integration in biologische Organismen offensichtlich ein zentrales Problem darstellt.

Eine weitere vielversprechende Technologierichtung sind organische elektrochemische Transistoren (OECTs), bei denen es sich um eine Gate-gesteuerte Ionendotierung/Antidotierung von organischen Kanalmaterialien handelt, ähnlich den ionengesteuerten Prozessen und der Dynamik biologischer Systeme.

Im Vergleich zu OFETs können OECTs bei erheblich niedrigeren Spannungen (<1 V) betrieben werden, weisen eine höhere Steilheit und eine gute Schwellenspannungsstabilität auf und sind im Allgemeinen hochgradig biokompatibel. Diese Eigenschaften machen OECTs zu idealen Kandidaten für die Entwicklung druckbarer, biokompatibler künstlicher neuronaler Schaltkreise mit ionenvermittelten Spiking-Mechanismen, die den Signaleigenschaften biologischer Systeme sehr ähnlich sind.

Abbildung | Organische elektrochemische Neuronen und ihre Analogie zu biologischen Neuronen (Quelle: Nature Communications)

In dieser neuesten Arbeit weisen OECNs mehrere neuronale Eigenschaften auf, darunter ionenkonzentrationsabhängiges Spiken und Spike-Timing-abhängige Plastizität (STDP), integriert mit gedruckten organischen elektrochemischen Synapsen (OECSs), die auf einen weiten Bereich von Eingangsströmen (0,1–10 µA) mit einer Frequenzmodulation von mehr als 450 % reagieren.

Im Experiment nutzten die Forscher erstmals die ionenkonzentrationsabhängigen Schalteigenschaften des Transistors, um die Spike-Frequenz weitgehend analog zu biologischen Systemen zu regulieren, was bei OFET- oder Silizium-basierten Neuronen nicht möglich ist.

Diese Leitfähigkeitsmodulation ermöglicht eine kurzfristige Plastizität mit gepaarter Impulserleichterung und eine langfristige Plastizität, die länger als 1000 Sekunden aufrechterhalten wird. Sie gehen davon aus, dass die Weichheit der OECNs, die Möglichkeit, sie auf flexible Substrate zu drucken, die ionenmodulierte Spike-Aktivität und die Multistimulus-Reaktionen neue Möglichkeiten für einfache Integrationsanwendungen mit biologischen neuronalen Netzwerken eröffnen werden.

Wichtige Links und Ergebnisse

Insgesamt weist dieses Forschungsergebnis vier wesentliche Aspekte auf.

Erstens gedruckte organische elektrochemische Transistoren.

Die Forscher entschieden sich für den Axon-Hilllock-Schaltkreis (AH, bezeichnet den Bereich eines Neurons, in dem sich der Zellkörper in der Nähe des Axons befindet), um das Spiking-OECN zu erstellen, da dies das kompakteste Modell ist, das für Spiking-Neural-Networks (SNNs) und ereignisbasierte Sensoren geeignet ist. Die Schaltung besteht aus n-Typ- und p-Typ-OECTs. Der OECT verfügt über eine seitliche Ag/AgCl-Gate-Konfiguration mit siebgedruckten Kohlenstoff- und Silberelektroden auf einem Polyethylenterephthalat-Substrat (PET), wobei die Silberunterschicht den Leitungswiderstand verringert, während der Kohlenstoff als chemisch inerte Schicht in Kontakt mit dem Polymerhalbleiter fungiert.

Zweitens elektromechanische und chemische Neuronen, analoge biologische Neuronen und biologische Integration.

Der Funktionsmechanismus von OECNs ähnelt dem biologischer Nervenzellen. Im Ruhezustand weist die Außenseite der Nervenzelle eine überschüssige positive Ladung und die Innenseite der Zelle eine überschüssige negative Ladung auf, die durch die isolierenden Eigenschaften der Lipidzellmembran aufrechterhalten wird.

Ähnlich wie bei der Funktionsweise von Nervenzellen werden im OECN-Schaltkreis durch Integration des in den Eingangsanschluss (Iin) eingespeisten Stroms Spikes erzeugt. Weitere Untersuchungen ergaben, dass das Funktionsprinzip des Reset-Transistors dem der spannungsabhängigen Kaliumkanäle in Nervenzellen ähnelt. Die Membrankapazität spielt eine entscheidende Rolle bei der Leitungsgeschwindigkeit von Aktionspotentialen in biologischen Neuronen, und eine geringere Membrankapazität führt zu einer schnelleren Ausbreitung. Bei Nervenzellen wird diese Kapazitätsreduzierung dadurch erreicht, dass das Axon mit einer isolierenden Schicht namens Myelin umhüllt wird.

Ein bemerkenswertes Merkmal von OECNs, insbesondere im Vergleich zu Silizium- oder OFET-basierten Spiking-Neuronen, ist die Fähigkeit, die Spiking-Frequenz durch Modulation der Ionenkonzentration des Elektrolyten direkt zu steuern. Ähnlich dem undichten Verhalten biologischer Neuronen, bei denen die Membranspannung einen bestimmten Schwellenwert überschreiten muss, um einen Spike zu erzeugen, wird der OECN-Schaltkreis unterhalb eines bestimmten Stromschwellenwerts nicht ausgelöst.

Für die Anwendung dieser Schaltung in SNN- und ereignisbasierten Sensoren ist ein geringer Stromverbrauch entscheidend. Die Hauptstromverbrauchsquelle dieser Schaltung ist der Verstärkungsblock, daher ist der dynamische Stromverbrauch der Schaltung das Produkt aus IDD, dynamisch und VDD. Da der Wechselrichter mit einer niedrigen Betriebsspannung von 0,6 V betrieben werden kann, beträgt der dynamische IDD-Maximalwert 25 μA, sodass die maximale dynamische Leistungsaufnahme 15 μW beträgt. Durch die Reduzierung der Kanalgröße mittels Fotolithografietechnologie kann der Stromverbrauch von OECN auf einen niedrigeren Wert reduziert werden, wodurch der durch den OECT fließende Strom reduziert wird. Kleinere Kanäle erhöhen außerdem die Reaktionszeit des OECT und senken den Energieverbrauch.

Um die Biointegrationsfähigkeiten des OECN zu demonstrieren, verbanden die Forscher dieses vollständig gedruckte Neuron mit einer Venusfliegenfalle. Das Schließen der Falle der Fliegenfalle kann auch durch elektrische Stimulation, einschließlich Gleichstromstimulation, direkter Ladungsinjektion, Wechselstromstimulation und kapazitiv induziertem Strom, herbeigeführt werden, wodurch sie sich sehr gut für die Integration mit künstlichen Neuronen eignet.

Drittens: gedruckte organische elektrochemische Synapsen.

OECSs wurden unter Verwendung der gleichen gedruckten Elektrodenstruktur wie OECNs hergestellt. Die langfristige Erhöhung der Leitfähigkeit von OECS wird durch Anlegen eines Gate-Spannungsimpulses im Kanal erreicht, ein Prozess, der der durch den N-Methyl-D-Aspartat (NMDA)-Rezeptor vermittelten Einfügung neuer Rezeptoren in biologischen Synapsen ähnelt und zu einer langfristigen Erhöhung der synaptischen Stärke führt. OECS weist insgesamt 150 verschiedene Zustände auf, wobei die Zustandsbeibehaltungszeiten 1000 Sekunden übersteigen.

Abbildung | Gedruckte organische elektrochemische Synapse (Quelle: Nature Communications)

Viertens die Integration organischer elektrochemischer Neuronen und Synapsen.

Bei biologischen Synapsen verändert nicht jeder präsynaptische Input die synaptische Stärke, da dies zu einer schnellen Sättigung der synaptischen Stärke führen würde. Die zeitliche Korrelation zwischen präsynaptischen und postsynaptischen neuronalen Spikes liegt der langfristigen Zunahme/Abnahme der synaptischen Plastizität zugrunde, die als Spike-Timing-abhängige Plastizität (STDP) bezeichnet wird und assoziatives Lernen ermöglicht.

Um die Bedeutung von OECN und OECS weiter zu veranschaulichen, demonstrierte diese Studie ein einfaches neurosynaptisches System, das einen mit einem OECN verbundenen synaptischen Transistor verwendet, um Hebbsches Lernen durchzuführen (eine Regel des unüberwachten Lernens, die sehr gut mit dem Prozess übereinstimmt, durch den Menschen die Welt beobachten und verstehen). Anstatt erregende Ströme in die Neuronen einzuspeisen, wird an die Synapsen Spannung angelegt, die entsprechend ihrer synaptischen Stärke in Strom umgewandelt wird und so die Spike-Frequenz reguliert.

Der Nachweis des Hebbschen Lernens in diesem organischen elektrochemischen synaptischen System ist ein wichtiger Schritt, der auf den Aufbau komplexerer sensorischer und verarbeitender Systeme mit lokalen Lernfähigkeiten ausgeweitet werden kann.

Abbildung｜Sci-Fi-Szene der Kombination von Mensch und Maschine in „Ghost in the Shell“

Die Zukunft der „Mensch-Maschine-Integration“ ist vielversprechend

Die Forscher sagten, dass neuronale synaptische Systeme von OECN mit STDP im Vergleich zu Schaltkreisen auf Siliziumbasis weitaus weniger Komponenten hätten, die Schaltkreise in großem Maßstab gedruckt werden könnten und eine hohe Fertigungskapazität hätten, und dass Neuronen im Vergleich zu Schaltkreisen auf OFET-Basis vollständig auf flexible Substrate gedruckt werden könnten und mit geringerem Stromverbrauch betrieben würden, sodass verteilte, kostengünstige intelligente Einheiten für das zukünftige Internet der Dinge entwickelt werden könnten.

Die Spike-Frequenz von OECN kann durch Ändern des Eingangsstroms, der Membrankapazität und der Spannung des Verstärkers angepasst werden. Diese Eigenschaft sowie die Möglichkeit, die Spitzenfrequenz durch Anpassung der Elektrolytkonzentration anzupassen, erleichtert die Integration in biologische Systeme und dürfte die Entwicklung zukünftiger implantierbarer Geräte fördern.

Die Forscher demonstrierten diese Möglichkeit, indem sie das OECN mit einer Venusfliegenfalle verbanden und basierend auf der Feuerungsfrequenz des Neurons die Schließung seiner Lappen herbeiführten. Die einzigartige Fähigkeit, eine Vielzahl biologischer, physikalischer und chemischer Signale zu erfassen, wird in Zukunft vielfältige Sensorerkennungsmöglichkeiten bieten.

Abbildung｜Super-Biologiecomputer in der Animation „EVA“

Mit Blick auf die Zukunft könnte die Möglichkeit, mehrere Sensorelemente in das Neuron selbst zu integrieren, die Entwicklung neuer Arten biointegrierbarer Sensoren ermöglichen, deren Anwendungsgebiete von intelligenten neuromorphen Verpackungen für das Internet der Dinge über die kontinuierliche Überwachung der Körpergesundheit (d. h. tragbare Elektronik) bis hin zu Gehirn-Computer-Schnittstellen reichen.

Das lokale künstliche neuronale Synaptosomensystem, das aus OECNs und OECSs besteht, soll durch die Integration in das Signalsystem von Pflanzen, das diffuse Nervensystem von Wirbellosen und Wirbeltieren, das periphere Nervensystem und das zentrale Nervensystem weitere Möglichkeiten schaffen.

In vielen Science-Fiction-Werken haben sich die Menschen kühn die perfekte Kombination von Organismen und Maschinen in der Zukunft vorgestellt. Obwohl es sehr Cyberpunk ist, ist es nicht haltlos. Vielleicht wird dieser Traum mit dem Fortschritt der Technologie wahr, wenn es den Wissenschaftlern gelingt, die verschiedenen Herausforderungen der Mensch-Maschine-Integration zu bewältigen.

Quellen:

https://www.nature.com/articles/s41467-022-28483-6

Quelle: Academic Headlines