Low-latency neuromorphic closed-loop control of hippocampal ripples in vivo
Questo studio presenta un framework neuromorfico completamente integrato e a bassa latenza che utilizza reti neurali spiking a basso consumo energetico per rilevare e manipolare i ripple ippocampali in topi svegli in tempo reale, raggiungendo un controllo a circuito chiuso con un consumo energetico significativamente inferiore rispetto ai convenzionali approcci di deep learning.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA di un preprint non sottoposto a revisione paritaria. Non è un consiglio medico. Non prendere decisioni sulla salute basandoti su questo contenuto. Leggi il disclaimer completo
Immagina il tuo cervello come una città frenetica e velocissima dove miliardi di piccoli messaggeri corrono avanti e indietro, scambiandosi appunti per far sì che tutto funzioni senza intoppi. A volte, questi messaggeri si abbandonano a una danza ritmica e ad alta velocità chiamata "oscillazione". Una delle danze più importanti avviene in una parte del cervello chiamata ippocampo, che è come la biblioteca della città per conservare i ricordi. Queste danze, note come "ripple" (increspature), sono molto brevi e veloci — durano solo un battito di ciglia (circa 30-100 millisecondi) e si muovono a una velocità elevata (100-250 volte al secondo). Gli scienziati ritengono che se riuscissimo a catturare questi ripple nel momento giusto e a dar loro una leggera spinta, potremmo risolvere problemi di memoria o fermare disturbi cerebrali come l'epilessia.
Ma ecco il problema: questi ripple sono così veloci che, nel tempo in cui un computer normale se ne accorge, calcola cosa fare e invia un segnale di ritorno, la danza è già finita. È come cercare di catturare un colibrì con una rete fatta di piombo pesante; l'uccello è già volato via prima ancora di aver sferrato il colpo. Per risolvere questo problema, gli scienziati hanno bisogno di un nuovo tipo di "cervello" per i loro computer — uno che pensi come un cervello biologico, reagendo istantaneamente agli eventi senza attendere. Questo è chiamato "calcolo neuromorfico". È come sostituire un camion lento e pesante con una flotta di minuscoli droni velocissimi, capaci di sfrecciare nella città non appena vedono un ripple, pronti a intervenire istantaneamente.
In questo studio, un team di ricercatori ha costruito esattamente quel tipo di sistema. Hanno creato un piccolo e super-efficiente cervello digitale usando un chip speciale chiamato SpiNNaker, che imita il modo in cui lavorano i veri neuroni. Hanno insegnato a questo cervello digitale a individuare quei fugaci ripple ippocampali in tempo reale. I risultati sono stati impressionanti: il loro piccolo cervello digitale, che utilizzava solo 41 neuroni (rispetto ai milioni di un modello standard di deep learning), riusciva a rilevare i ripple altrettanto bene di computer molto più grandi e voraci di energia. Ancora meglio, lo faceva consumando fino a 200 volte meno energia.
Ma rilevare il ripple è solo metà della battaglia; la vera magia avviene quando il sistema effettivamente cambia il ripple. I ricercatori hanno collegato il loro cervello digitale a un cervello di topo vivo. Quando il sistema individuava un ripple, attivava istantaneamente un segnale luminoso per rallentare (inibire) delicatamente le cellule cerebrali coinvolte. Nelle loro simulazioni ottimizzate, il sistema ha dimostrato di avere il potenziale per catturare e intervenire in fino all'80% dei ripple prima che terminassero. Negli esperimenti sui topi vivi, sebbene la velocità del sistema fosse limitata dalla sua configurazione iniziale, esso è comunque riuscito ad alterare la dinamica dei ripple più lunghi che ha rilevato. Nello specifico, ha mostrato una forte tendenza a ridurre l'energia del ripple e a cambiare il modo in cui danzava, sebbene questa riduzione sia rimasta appena al di sotto della significatività statistica nell'analisi primaria. Sebbene il sistema non sia ancora perfetto — a volte manca un ripple o si confonde con il rumore di fondo — dimostra che possiamo finalmente costruire un sistema a ciclo chiuso (closed-loop) che sia abbastanza veloce da dialogare con il cervello in tempo reale. Ciò suggerisce un futuro in cui potremo usare questi piccoli cervelli digitali ed efficienti dal punto di vista energetico per aiutare le persone con disturbi neurologici, interagendo con la loro attività cerebrale nel momento stesso in cui accade, invece di limitarci a osservarla da lontano.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.