Наша географияЗаявка на членство+7 916 848-78-01info@rusneuro.net
О НейроНетеНаша миссияЧлены союзаНовостиПресс-центрДокументыСovid-19Контакты
Новости / ОБЗОР НОВОСТЕЙ НЕЙРОТЕХНОЛОГИЙ 02.03.2020 – 06.03.2020
Новости
6.03.2020

ОБЗОР НОВОСТЕЙ НЕЙРОТЕХНОЛОГИЙ 02.03.2020 – 06.03.2020

Инженеры MIT создают аккумуляторы на основе вирусов

Исследовательница из Массачусетского технологического института учит вирусы собирать нанокомпоненты для аккумуляторов. Собранные таким образом аккумуляторы работают эффективнее традиционных, а их производство нетоксично. Она надеется, что это повысит производительность батарей, а также поможет сделать процесс их производства менее токсичным.

Вирус в данном случае — это бактериофаг M13. Его геном модифицируют, а затем заражают им бактерий. Те, в свою очередь, производят нужные белки, из которых строится вирусная оболочка. Определенные мутации могут привести к тому, что оболочка будет покрыта слоем белков, притягивающих оксид кобальта. Очистив ее от органики, можно получить кобальтовую нанопроволоку, которая пригодится при создании аккумуляторов.

Схематичное изображение бактериофага M13

Даже в нынешнем виде такие аккумуляторы работают не хуже или даже лучше традиционных аналогов. У некоторых из них выше ёмкость, срок службы и скорость зарядки. Однако главное преимущество «вирусной» сборки — экологичность, поскольку она не требует использования химикатов и высоких температур. Все, что необходимо для запуска процесса, — материалы для электродов, вода комнатной температуры, бактерии и генно-модифицированные вирусы.

 

В Google создали алгоритм, позволяющий четвероногим роботам за несколько часов обучиться ходьбе

Инженеры проекта Google Robotics совершили заметный прорыв в обучении роботов хождению. Усовершенствовав существующие алгоритмы, они создали четвероногого робота, который самостоятельно научился ходить в разных направлениях и поворачиваться. При этом степень человеческого вмешательства в процесс была минимальной.

Обычно алгоритмы обучают и тестируют при помощи компьютерной симуляции, а затем импортируют в устройство. На этот раз разработчики решили отказаться от первоначального тестирования в виртуальной среде. Вместо этого они использовали обучение с подкреплением в реальном мире. Робота запустили на ограниченную территорию и заставили разучивать несколько действий. Как только он добирался до края зоны обучения, то тут же разворачивался обратно без помощи исследователей.

Также инженеры добавили в программное обеспечение жестко заданный алгоритм, который позволял аппарату возвращаться в устойчивое положение после падений. Сначала устройство тестировали на плоской поверхности: чтобы разобраться, как передвигаться по ней, роботу понадобилось около полутора часов. Затем задачу усложнили, запустив устройство на ажурный резиновый половик и на мягкий коврик с эффектом памяти. Для обучения ходьбе по этим поверхностям роботу понадобилось 4,5 и 5,5 часа соответственно.

 

По ЭЭГ смогли понять, когда человек начинает двигаться и различить движения рук

Российские ученые из Лаборатории нейронауки и когнитивных технологий Университета Иннополис (г. Казань) обнаружили, что, когда человек движется, сигналы нейронов головного мозга становятся менее хаотичными. Выявленные особенности ЭЭГ-сигналов позволяют не только распознавать, когда человек начинает двигаться, но и различать движения левой и правой рукой в реальном времени.

Испытуемые поочередно сжимали правую и левую руку;
с помощью ЭЭГ измерялась активность ответственной за движение моторной коры

Авторы исследования предположили, что когда человек начинает движение, снижается уровень хаотичности сигналов от клеток моторной коры головного мозга. Тогда импульсы нейронов станут более упорядоченными, что должно отразиться на результате ЭЭГ. Для проверки этой гипотезы ученые провели испытания на здоровых добровольцах, сотрудниках и студентах университета.

Оказалось, что хаотичность сигналов действительно заметно снижалась. В результате были выделены новые особенности ЭЭГ-сигналов, позволяющие не только распознавать начало движения, но и различать движения левой и правой рукой в реальном времени. На основе предложенного метода планируется разработка эффективного классификатора двигательной активности человека с использованием сигналов ЭЭГ.

 

Астроциты превратились в тормозные нейроны и помогли мышам с болезнью Гентингтона

Группа ученых из Университета штата Пенсильвания подобрала сочетание факторов транскрипции, которые запускали перепрограммирование астроцитов полосатого тела в ГАМК-ергические нейроны.

Вирус, несущий выбранные факторы, ввели в стриатум мышам, которые часто используются как модельные организмы при изучении болезни Гентингтона. На разных сроках после инъекции исследователи анализировали срезы мозга животных, а также электрофизиологические характеристики полученных из глии нейронов, проекции их аксонов и физическое состояние мышей.

Схема эксперимента

Через 30 дней после введения вируса в 72 процентах клеток обнаружили нейронный маркер. Полученные нервные клетки по электрофизиологическим характеристикам не отличались от нативных нейронов того же типа. Ученые обнаружили, что созданные клетки посылают свои аксоны в два ядра базальных ганглиев мозга. Именно эти проекции из полосатого тела бывают нарушены при болезни Гентингтона.

В тестах, которые были проведены на том же сроке, мыши продемонстрировали улучшение моторных функций и меньшую потерю веса по сравнению с контрольными животными. Через 38 дней после процедуры 93,9% мышей, которые получали терапию, были живы, тогда как 44,8% контрольных животных погибло. Подобный метод можно применять и для других нейродегенеративных заболеваний, хотя, как и у любой новой технологии, у него есть свои ограничения.

 

Отслеживание эмоций сотрудников повысит производительность труда

Японские исследователи из Университета Хиросимы провели эксперимент на фабрике в Лаосе. 15 сотрудников, отвечающих за раскрашивание игрушек, попросили заполнить опросник и в течение трех дней носить на запястье специальный электронный браслет. Устройство регистрировало движения, температуру тела, пульс, уровень ультрафиолета в помещении и ряд других показателей.

Затем исследователи проанализировали пульс испытуемых с помощью специального программного обеспечения. Это позволило сопоставить полученные данные с четырьмя основными эмоциональными состояниями — счастьем, злостью, расслабленностью и грустью. Как и следовало ожидать, счастливые сотрудники были более продуктивными. При этом три других состояния не оказывали влияния на эффективность выполнения работы.

Временной ряд эмоционального статуса субъектов.
Зеленый цвет указывает на счастье, красный — на гнев, желтый — на расслабление.
Синяя полоса ниже показывает количество разговоров субъекта

Выводы исследования могут показаться банальными, однако в данном случае более важен не результат, а то, каким методом он был получен. Эксперимент подтвердил, что носимые устройства действительно позволяют считывать эмоциональное состояние работников и сопоставлять его с качеством их труда. Возможно, уже скоро похожие браслеты, отслеживающие уровень счастья, станут привычными как в заводских цехах, так и в офисах.

3.04.2020МФЮА внедрил нейросервис Neuro Angel для повышения эффективность обучения

Сервис повысит эффективность обучения студентов в аудитории и онлайн

Подробнее
3.04.2020Дмитрий Песков примет участие в «Весеннем навигаторе» НТИ

Мероприятие пройдет 8 апреля в формате онлайн-конвента

Подробнее
3.04.2020«Российская газета»: Участник отраслевого союза «Нейронет» разработал виртуального помощника для МФЦ

Система учитывает контекст разговора и может общаться с пользователями устно, по телефону, письменно, через сайт или мобильное приложение

Подробнее
27.03.2020Александр Семенов: «Важно говорить об историях успеха»

Исполнительный директор Отраслевого союза «Нейронет» рассказал о ключевых направлениях, которые предстоит развивать после перезапуска НТИ

Подробнее
25.03.2020«Сенсор-Тех» поможет людям с нарушениями слуха учиться и работать удаленно

Устройство «Чарли» получило специальную функцию дистанционного общения

Подробнее
20.03.20209 апреля пройдет питч-сессия Startup Huddle

Модератором выступит Александр Семенов

Подробнее
123242, г. Москва, Малый Конюшковский пер., д. 2, оф. 17