Рада ухвалила закон про мобілізацію: що змінюється для українців
Долар 41.54 ₴ (+0.12), євро 44.98 ₴ (-0.05)
Кременчук: +18°C, ясно. Увечері до +12°C.
День працівників соціальної сфери. Всесвітній день сміху.
Сьогодні святкують: Максим, Віктор, Тамара
Овен: Хороший день для нових починань. Зірки сприяють ініціативі.
2004 — Кіпр, Чехія та 8 інших країн вступили до Євросоюзу
Паливо знову подорожчало: А-95 переступив психологічну межу
Apple iPhone 17 Air: все що відомо про найтоншу модель
Команда з Dartmouth, MIT і Stony Brook створила комп'ютерну модель мозку, що навчилася розпізнавати візуальні категорії так само, як тварини, і виявила близько 20% "інконгруентних" нейронів, які передбачають помилки. Як це змінить розробку ліків?
Науковці представили комп'ютерну модель мозку, що працює за біологічними та фізіологічними правилами й здатна вчитися без підглядання у дані з тваринних експериментів. Вона відтворила не лише поведінку у завданні візуальної категоризації, а й характерні коливання нейронної активності – з тією ж нерівномірною динамікою прогресу. Найцікавіше – модель "підсвітила" групу клітин, чия активність прогнозувала помилки, і цей патерн дослідники згодом знайшли в архівах реальних записів з тварин.
Команда Dartmouth College, Массачусетського технологічного інституту та Державного університету Нью-Йорка в Стоуні-Брук зібрала багаторівневу систему, що поєднує мікросхеми кількох нейронів і макроорганізацію кількох зон мозку. Така біоміметична архітектура відтворює електричні та хімічні взаємодії в мережах і дотримується обмежень, притаманних живому мозку, включно із синхронізацією ритмів.
Ключова особливість – навчання відбувається без навчання на даних тварин. Модель з нуля реалізує принципи з'єднання нейронів і їхню комунікацію, а потім розв'язує поставлене завдання: визначити, до якої з двох категорій належить показаний набір точок.
На "мікро" рівні модель зшита з "примітивів" – невеликих контурів з кількох нейронів, які реалізують базові обчислювальні функції. Зокрема, у корі реалізований контур "переможець забирає все", де збуджувальні нейрони через синапси, модульовані глутаматом, конкурують і гальмуються інтернейронами.
На "макро" рівні система включає чотири ділянки, необхідні для базового навчання і пам'яті: кору, стовбур мозку, стріатум та структуру "тонічно активних нейронів", що вводить керований шум через викиди ацетилхоліну. Спершу ця "шумова" підсистема заохочує варіативність дій, а зі зміцненням зв'язків у кортико-стріарних колах її вплив пригнічується – поведінка стає послідовнішою.
Коли модель виконувала завдання класифікації, вона виробляла активність, що вражаюче подібна до сигналів у тварин: навчання просувалося нерівномірно, а правильні відповіді асоціювалися із підвищеною синхронністю кори та стріатума в бета-діапазоні. Ця бета-синхронізація кортикостріарних мереж – відомий маркер, який команда регулярно спостерігала у поведінкових експериментах.
Критично, що збіг отримано попри те, що модель будувалася як перша принципова реконструкція, без навчання на даних тварин. Порівняння проводили вже постфактум – і графіки виявилися напрочуд схожими.
Модель виявила ще один феномен: приблизно "інконгруентні" нейрони – близько 20 відсотків клітин сигналізували патерни, пов'язані з помилковими рішеннями. Спершу це виглядало як артефакт, однак подальший перегляд записів з тварин показав: подібна група справді є в експериментальних даних, просто її не аналізували раніше.
Ймовірне пояснення – такі клітини можуть підтримувати "розвідку" альтернатив, коли правила середовища змінюються. Подібні стратегії періодичного дослідження варіантів відомі у поведінці людей та інших тварин і описані в роботах лабораторій The Picower Institute.
"Модель самостійно згенерувала патерни мозкової активності, які потім збіглися з даними тварин. Саме зіставлення провели після моделювання – і відповідність виявилася несподівано високою", – зазначає дослідницька команда.
Автори розвивають підхід як платформа для біоміметичного моделювання, щоб пришвидшити відкриття та перевірку нейротерапій. Залучені дослідники заснували компанію для біотехнологічних застосувань; керівницею є Ліліанна Р. Мухіка-Пароді, яка також очолює як головна дослідниця проєкт Neuroblox у Stony Brook. У MIT задіяний The Picower Institute for Learning and Memory та кафедра мозкових і когнітивних наук.
Модель створив постдокторант Dartmouth Ананд Патхак разом із командою, до якої увійшли дослідники MIT і Stony Brook. Серед співавторів – Скотт Брінкат, Харіс Органтизидіс, Гельмут Штрей, Сейджанн Сеннефф та Евaн Антзула́тос. Результати опубліковані в журналі Nature Communications.
Фінансування забезпечили:
Відкриття підтверджує: реалістичні цифрові моделі можуть не лише відтворювати поведінку мозку, а й підказувати нові явища, які губляться в експериментальних даних. Це крок до інструментів, що допоможуть точніше тестувати ідеї лікування хвороб мозку та оптимізувати пошук цільових терапій. Команда вже розширює модель, додаючи нові ділянки й нейромодулятори – аби охоплювати ширший спектр завдань і втручань.
Для тих, хто стежить за нейротехнологіями, це можливість побачити, як біологічно правдоподібні алгоритми переходять від теорії до практики. Відкриті механізми – від "шуму" ацетилхоліну до бета-синхронізації кортикостріарних мереж – стають тестовим полігоном для майбутніх нейроліків.
Без спаму. Лише топ-матеріали Gosta. Відписатись в один клік.