Наша географияЗаявка на членство+7 916 848-78-01info@rusneuro.net
О НейроНетеНаша миссияЧлены союзаНовостиСМИ о насДокументыАрхивКонтакты
Новости / Обзор новостей нейротехнологий 22.07.17-28.07.17
Новости
28.07.2017

Обзор новостей нейротехнологий 22.07.17-28.07.17

Робот избегает препятствий с помощью нейронов мухи

“Neuronal Distance Estimation by a Fly-Robot Interface” | Conference on Biomimetic and Biohybrid Systems | doi: 10.1007/978-3-319-63537-8_18

D:\Denis\work\Развл и спорт.jpg  D:\Denis\work\Нейроассист.jpg  D:\Denis\work\Образование.jpg  роботы

Биоинженеры Имперского колледжа Лондона создали двухколесного гибридного робота, который при поворотах избегает столкновений со стеной, ориентируясь на сигналы нейрона мухи, сидящей на роботе. Насекомое играет роль датчика: зрительная система мухи в режиме реального времени оценивает расстояние до стены, специализированные нейроны реагирут на изменение дистанции, что создает визуальную обратную связь, помогая роботу держать траекторию. Авторы назвали свою схему «интерфейс муха-робот», для его работы достаточно активности одного типа клеток.

Нейрон Н1 изучался десятилетиями, и его чувствительность к горизонтальному движению надежно установлена. Эта клетка реагирует на горизонтальный оптический поток, где движение прямо вперед и назад, соответственно, увеличивает и уменьшает ее активность. В испытаниях робот ехал по направляющей линии вдоль стены, куда нанесены вертикальные черно-белые полосы. Муха закреплена на платформе, поставленной на робота, а микро манипулятор считывает активность Н1 через введенный в мозг мухи электрод. Спустя несколько секунд прямолинейного движения робот поворачивает в сторону стены.

 

Испытательная площадка, где слева полосатая стена, справа светодиодный источник. Диаметр робота 10 см, он движется по направляющей линии на полу, затем разворачивается и едет обратно.

При малом радиусе поворота частота спайков нейрона росла с уменьшением расстояния до стены. При большом радиусе наоборот, частота спайков падала с ростом дистанции. По признанию авторов, такой результат связан, вероятно, с особенностями рецептивных полей клеток Н1. Муха в природе может использовать тот факт, что радиус поворота позволяет ей оценить дистанцию до препятствия, полагаясь на частоту спайков Н1. Авторы пишут, что интерфейс позволяет создать алгоритм избегания препятствий для автономного робота. Например, такой робот может двигаться по колебательной траектории, переключаясь между поворотами вправо и влево и фиксируя частоту спайков. Если частота выше 200 Гц, это означает, что робот находится на расстоянии менее 15 см от стены, и период следующего поворота нужно увеличить, чтобы отвести робота от препятствия.

Но это частности, а главная идея таких разработок в том, чтобы интегрировать робототехнику с биологическими системами. Пока, в отличие от искусственных датчиков, большинство биологических механизмов более адаптированы к текущим условиям окружающей среды, обладают большей чувствительностью, меньшим масштабом и значительно более низким потреблением энергии.

 

Optobow подсвечивает общение нейронов

“An optogenetic toolbox for unbiased discovery of functionally connected cells in neural circuits” | Nature Communications | doi: 10.1038/s41467-017-00160-z

 
D:\Denis\work\Медтехника.jpg  D:\Denis\work\Нейрофарма.jpg оптогенетика

В германском Институте нейробиологии им. Макса Планка разработали способ обнаружения работающих связей между нейронами в живом мозге. Новый оптико-электронный метод, названный Optobow, сочетает оптогенетику и кальциевый имиджинг. Он позволяет увидеть пути, по которым идет поток информации от одних клеток другим, в режиме реального времени. Также он визуально обнаруживает их точки контакта, даже в плотной ткани, где переплетаются тонкие волокна тысяч клеток. Так, оптогенетика активирует исходные нейроны, а флуоресцентный белок засвечивает их соседей, с которыми те функционально связаны.

Генетическими методами авторы снабдили отдельные нейроны головного мозга личинок рыбок данио светочувствительным ионным каналом ChrimsonR. Другие клетки в их окружении продуцировали индикатор кальция, авторы связали его с ярким флуоресцентным белком. Поскольку личинки рыбок данио и их мозг прозрачны, авторы могли активировать клетки ChrimsonR, просто подавая на них луч света. Когда же одна из них вызывала потенциал действия в связанном с ней нейроне, индикатор кальция реагировал на поток ионов, и свечение флуоресцентного белка приводило к тому, что нейрон выделялся в ткани благодаря изменению яркости.

 

Слева схема работы Optobow в оптическом тектуме рыбок данио. При фотостимуляции отдельной клетки ChrimsonR (штриховая линия) связанные клетки будут подсвечиваться повышением флуоресценции GCaMP6f (темно-зеленый). Справа реальное фото in vivo, шкала 20 мкм.

Это позволило авторам наблюдать в микроскоп в реальном времени, какие типы нейронов активировались после оптогенетического включения исходной клетки, когда и где они стали активными, а также проследить форму нейронов, их замысловатые разветвления и синапсы в густо заселенной клетками ткани. Авторы наглядно показали работу метода, открыв с его помощью, что некоторые нейроны, передавая информацию из одной области мозга в другую, также создают локальные синапсы и оставляют копию этой информации в области происхождения.

Optobow выглядит многообещающим методом для изучения возбуждающих контуров, клеточных пар и сетей взаимосвязанных нейронов in vivo, особенно в тех областях, где клетки плотно упакованы и физиологические измерения затруднены. Он позволяет выяснить, какие нейроны связаны между собой в мозге активного животного, например, когда в мозге генерируется поведенческая команда. С помощью Optobow также можно следить за образованием синапсов или изменением синаптической силы со временем. Такие эксперименты требуют долгосрочного мониторинга одной и той же связи при изучении поведения животного.

 

Зрение для роботов в трехмерном мире

“Bayesian Eigenobjects: A Unified Framework for 3D Robot Perception” | 2017 Robotics: Science and Systems Conference | PDF

 
D:\Denis\work\Нейроассист.jpg  D:\Denis\work\Образование.jpg  D:\Denis\work\Развл и спорт.jpg  D:\Denis\work\Маркетинг.jpg искусственный интеллект

Сотрудники из Университета Дьюка и Университета Брауна придумали алгоритм распознавания 3D объектов, он поможет роботам ориентироваться в окружении разных предметов. Люди обычно могут взглянуть на новый объект и догадаться, какой он формы, даже если видят его лишь с одной стороны или если он частично перекрыт другими объектами. Мы интуитивно заполняем те области, которые не видны. Новый алгоритм умеет угадывать объемные формы объекта, не рассматривая его с нескольких ракурсов. С этой технологией роботу не нужно видеть каждую сторону чайника, чтобы знать, что у того, вероятно, есть ручка, крышка и носик, и что он стоит на плите.

Авторы обучили классификатор Bayesian Eigenobjects (BEOs) на базе данных из почти 4000 трехмерных снимков обычных предметов домашнего обихода: ванн, кроватей, стульев, столов, шкафов, мониторов, тумбочек, диванов и пр. Каждый предмет был оцифрован в тысячи трехмерных вокселов, и цифровую копию предмета подавали на вход BEOs. Программа изучила классы объектов, как они меняются или остаются неизменными с разных ракурсов, используя вероятностный байесовский анализ главных компонентов. Когда BEOs видит новое, например, двухъярусную кровать, для распознавания ей не нужно просеивать весь каталог. Она уже знает, что у кроватей есть сходные признаки. Как и человек, она умеет обобщать.

 

Верхний ряд – исходный объект; второй ряд – тестовый запрос на вход; третий ряд – реконструкция программы 3DShapeNets; нижний ряд – реконструкция BEOs

Разбиение изображений на вокселы помогало программе достраивать затем объекты в тестах, где она решала, куда и сколько добавить блоков-вокселов, чтобы получить нужный предмет. BEOs строит генеративные модели предметов, храня в каталоге для каждого класса грубый шаблон и формулы его преобразования. Авторы проверили BEOs на 908 новых трехмерных предметах домашнего обихода. Имея лишь один ракурс, алгоритм в 75% случаев правильно угадал, к какому классу относится предмет и какова его трехмерная форма, включая скрытые части. Что, по словам авторов, гораздо лучше имеющихся альтернатив, где программы типа 3DShapeNets справляются лишь в половине случаев.

Также BEOs справлялась с узнаванием объектов, которые были по-разному повернуты. Процесс занимает около секунды, но алгоритм все еще далек от возможностей человеческого зрения. Его легко обмануть объектами, которые с определенных точек зрения выглядят схожими. Впрочем, алгоритмы непрерывно улучшаются, и авторы уже работают над версией BEOs, способной распознать тысячу типов объектов.

 

Нейроморфные вычисления на основе магнитных осцилляторов

“Neuromorphic computing with nanoscale spintronic oscillators” | Nature | doi:10.1038/nature23011

 

D:\Denis\work\Нейроассист.jpg  D:\Denis\work\Образование.jpg  D:\Denis\work\Развл и спорт.jpg  D:\Denis\work\Маркетинг.jpg  нейроморфные вычисления

Инженеры из Национального центра научных исследований Франции (CNRS), японского Национального института прогрессивной промышленной науки и технологии (AIST), а также Национального института стандартов и технологий США (NIST) создали нейроморфный компьютер на основе наноразмерных магнитных осцилляторов. Для демонстрации авторы обучили устройство распознавать произносимые разными людьми слова. Работа открывает путь к быстрым аналого-цифровым вычислениям, имитирующим нелинейное колебательное поведение нейронов.

Как пишут авторы, нейроны в головном мозге ведут себя как осцилляторы, создавая ритмическую активность на широком диапазоне частот. Кроме того, биологические ритмы действуют на временных масштабах от миллисекунд до нескольких месяцев и являются формами аналоговой обработки информации. Авторы построили схему наноразмерных осцилляторов, где с частотой от сотен мегагерц до нескольких десятков гигагерц колебания совершает крутящий магнитный момент в ферромагнитном слое.

Генераторы крутящего момента представляют собой наноразмерные цилиндрические туннельные переходы диаметром 375 нм, состоящие из двух магнитных слоев, разделенных немагнитным спейсером из золота. Намагниченность такого столба проще представить как стрелку компаса, указывающую в определенном направлении. Когда на него подают электрический ток (вход), стрелка начинает осциллировать, и колебания магнетизации через магнитосопротивление превращаются в колебания напряжения. Полученные радиочастотные колебания до десятков милливольт обнаруживаются путем измерения напряжения (выход).

 

Осциллятор содержит немагнитный слой (желтый), зажатый между двумя магнитными слоями. Авторы преобразуют звуковой сигнал для слова «один» в электрический ток, тот заставляет намагничивание генератора (черную стрелку) вращаться, создавая колебательное напряжение. Слово через измерение напряжения на выходе затем идентифицируют с использованием методов машинного обучения.

Для эксперимента авторы использовали аудиозаписи цифр, произнесенных разными людьми. Они преобразовали аудиосигнал в электрический ток и подали его на вход устройства. Ток создал отклонения намагниченности. После этапа с использованием методов машинного обучения авторы определяли произносимую цифру, просто измеряя напряжение на выходе. Удалось достичь распознавания цифр с точностью до 99,6%, независимо от говорящего, что сравнимо с результатами обучения нейросетей. Предварительная обработка входных данных и пост-обработка на выходе зависят от цифровых вычислений, поэтому устройство представляет собой гибридную цифро-аналоговую машину. Амплитуда осцилляций устойчива к шуму, нелинейно зависит от входящего тока и от прошлых входящих токов, то есть устройство обладает памятью.

Такие спинтронные осцилляторы просты и ультракомпактны, их размер  сократим до 10 нанометров, тогда потребляемая мощность снизится до 1 мкВт. Поскольку они имеют ту же структуру, что и современные магнитные ячейки памяти, они совместимы с современными технологиями полупроводников, работают при комнатной температуре, их можно изготовить в больших количествах на одном чипе, до сотен миллионов штук. Они умеют выполнять множество разных задач одновременно, комбинируя (мультиплексируя) сигналы, и также способны к фазовой блокировке, т.е. стабилизации колебаний.  Причем, магнитный туннельный переход имеет почти бесконечную выносливость, тогда как мемристор начинает разрушаться спустя миллион циклов. Работа становится прорывом в использовании наноразмерных осцилляторов для нейроморфных «резервуарных» вычислений.

 

Клетки гипоталамуса контролируют старение

“Hypothalamic stem cells control ageing speed partly through exosomal miRNAs” | Nature | doi:10.1038/nature23282

 
D:\Denis\work\Нейрофарма.jpg  D:\Denis\work\Медтехника.jpg  D:\Denis\work\Нейроассист.jpg  D:\Denis\work\Образование.jpg  D:\Denis\work\Маркетинг.jpg  стволовые клетки

Специалисты из Медицинского колледжа Альберта Эйнштейна обнаружили, что стволовые клетки в гипоталамусе влияют на то, как быстро происходит старение у мышей. Гипоталамус вырабатывает гормоны и другие сигнальные молекулы, из более ранних исследований известно, что он участвует в процессах старения. Теперь же авторы определили конкретную небольшую популяцию клеток, которая отвечает за формирование новых нейронов мозга и контролирует старение организма.

Начиная с возраста 10 месяцев количество гипоталамических нейронных стволовых клеток естественным образом снижается, и чем меньше их остается, тем быстрее мыши стареют. К двум годам – пожилой возраст для грызунов – большая часть этих клеток исчезает. Но авторы показали, что, если пополнить запасы этих клеток в гипоталамусе, часть процессов старения можно замедлить и даже повернуть вспять. Сперва они убедились, что причина именно в тех клетках, выборочно разрушив с помощью вирусов гипоталамические стволовые клетки у взрослых мышей. Животные быстрее старели, у них снижалась память, мышечная сила, выносливость и координация. Они умерли раньше, чем мыши того же возраста из контрольной группы.

Затем из гипоталамуса новорожденных мышей взяли стволовые клетки, генетически их модифицировали, чтобы избежать отторжения, и ввели в мозг мышей среднего возраста, собственные стволовые клетки которых были разрушены, а также в мозг нормальных старых мышей. Спустя четыре месяца обе группы улучшили когнитивные и мышечные показатели, и грызуны в среднем жили на 10 процентов дольше. Хотя нейрональные стволовые клетки способны продуцировать новые нейроны, это, по-видимому, не основной их метод защиты от старения. Антивозрастные эффекты проявились уже через четыре месяца, что недостаточно для взрослого нейрогенеза.

Авторы установили, что гипоталамические стволовые клетки оказывают антивозрастные эффекты, выделяя в спинномозговую жидкость экзосомы, внутри которых упакованы микроРНК. Молекулы микроРНК не участвуют в синтезе белка, но играют ключевую роль в регуляции экспрессии генов. Экзосомы экстрагировали из стволовых клеток гипоталамуса и ввели в спинномозговую жидкость двух групп мышей, аналогично предыдущему опыту. Результат повторился, мыши старели медленнее и жили дольше.  

Авторы планируют определить, какие из тысяч типов продуцируемых микроРНК вовлечены в процесс старения, и надеются узнать, существуют ли подобные механизмы у приматов. В перспективе антивозрастная терапия стволовыми клетками, вводимыми в мозг, способна усилить способность гипоталамуса действовать как главный регулятор, учитывая, что он контролирует старение через гормоны и микроРНК, как было показано в экспериментах.

Автор: Денис Тулинов

17.10.2017В рамках Форума «Открытые инновации» прошла панельная дискуссия на тему угроз человечеству со стороны искусственного интеллекта

17 октября в рамках Форума «Открытые инновации» состоялась панельная дискуссия на тему «Цивилизация (не) в опасности в эпоху искусственного интеллекта». В сессии приняли участие ведущие эксперты из сферы разработки и применения искусственного интеллекта.

Подробнее
17.10.2017На Открытых инновациях обсудили BCI-Технологии в рамках панельной дискуссии "Нейроинтерфейсные технологии без границ"

 

17 октября в рамках Форума «Открытые инновации» прошла панельная дискуссия с участием ведущих международных экспертов в области нейроинтерфейсных технологий – «Нейроинтерфейсные технологии без границ».

Подробнее
13.10.2017Тульская область заинтересована в проекте "Система поддержания работоспособности водителя" Дорожной карты Нейронет

В Правительстве Тульской области состоялось совещание по проекту Дорожной карты Нейронет "Система поддержания работоспособности водителя". 

Подробнее
13.10.2017Мировые ученые обсудили в Самаре достижения в области нейронаук

В Самарском государственном медицинском университете 12-13 октября прошла III международная конференция «Нейрокомпьютерный интерфейс: наука и практика 2017». Вуз стал площадкой обмена мнениями выдающихся исследователей в области нейроинтерфейсов.

Подробнее
13.10.2017Обзор новостей нейротехнологий 07.10.17 - 13.10.17

Самые актуальные новости за неделю

Подробнее
12.10.2017На «Открытых инновациях» обсудят новейшие нейрокоммуникационные технологии

17 октября в рамках Форума «Открытые инновации» пройдет круглый стол с участием ведущих международных экспертов в области нейроинтерфейсных технологий – «Нейроинтерфейсные технологии без границ. Исследования и разработки в области расширения ресурсов мозга». 

Подробнее
6.10.2017В МФТИ стартовал курс «Технологическое предпринимательство»

Организатором курса выступил Биофармацевтический кластер «Северный» при поддержке Отраслевого союза «Нейронет» и Фонда развития интернет-инициатив. 

Подробнее
6.10.2017В Посольстве Франции в Москве пройдет франко-российский научный семинар по нейродегенеративным заболеваниям

9, 10 и 11 октября на площадке посольства Франции в Москве пройдет второй франко-российский симпозиум, посвященный проблематике нейродегенеративных заболеваний.

Подробнее
5.10.2017«Нейрочат» представят на конференции BCI: Science & practice

Создатель социальной сети на основе интерфейса мозг-компьютер, компания NeuroChat, 12 октября проведет презентацию аппаратно-программного комплекса на конференции «BCI: Science & practice. Samara 2017».

Подробнее
4.10.2017В Самаре пройдет конференция «Нейрокомпьютерный интерфейс: Наука и практика»

12 и 13 октября в Самаре на базе Самарского Государственного медицинского университета пройдет единственная в России научная конференция, специализирующаяся на тематике нейрокомпьютерных интерфейсов, - «Нейрокомпьютерный интерфейс: Наука и практика - 2017».

Подробнее
3.10.2017Отраслевой союз "Нейронет" принял участие в межкластерной сессии в рамках форума «БиоКиров 2017»

Основные рассматриваемые вопросы касались актуальных для участников сессии особенностей кластерной модели и особенностей реализации программ кластеров в рамках региональной и федеральной политики.

Подробнее
29.09.2017В Красноярске прошла выездная сессия НТИ «Нейронет»

Сессия включила обсуждения актуальных вопросов развития нейротехнологий в России и мер по реализации дорожной карты «Нейронет».

Подробнее
29.09.2017Компания BiTronics Lab поставила первые 100 наборов BiTronics NeuroLab, совместимые с Lego Mindstorms EV3

Cовместные наборы BiTronics Lab и Lego Education выпускаются в партнерстве с официальным дистрибьютером Lego Education по России и СНГ ООО "Стандарт-21". 

Подробнее
29.09.2017IP-акселератор «Нейронет» объявил о подготовке масштабной конференции OpenTalks.AI

Открытый формат мероприятия предусматривает включение в программу докладов всех желающих – нужно лишь подать заявку и пройти отбор.

Подробнее
29.09.2017Fibrum совместно с М.Видео запустила пилотный проект в сфере мобильной виртуальной реальности

С 1 сентября 2017 года в четырех крупнейших магазинах М.Видео в Москве и Московской области представлены обновленные зоны мобильной виртуальной реальности.

Подробнее
29.09.2017ОБЗОР НОВОСТЕЙ НЕЙРОТЕХНОЛОГИЙ 23.09.17 - 29.09.17

Самые актуальные новости за неделю

Подробнее
27.09.2017BiTronics Lab поставила первые 100 наборов BiTronics NeuroLab, совместимые с Lego Mindstorms EV3

Cовместные наборы BiTronics Lab и Lego Education выпускаются в партнерстве с официальным дистрибьютером Lego Education по России и СНГ ООО "Стандарт-21".

Подробнее
27.09.2017Отраслевой союз «Нейронет» и RDI Group подписали меморандум о сотрудничестве

21 сентября в Вене, Австрия, был подписан меморандум о сотрудничестве между Отраслевым союзом развития рынка технологий «Нейронет» и RDIGroup. 

Подробнее
26.09.2017ПРИЕМ ЗАЯВОК ДЛЯ УЧАСТИЯ В КОНКУРСЕ УМНИК ПО ТЕМАТИКАМ НЕЙРОНЕТ ЗАВЕРШАЕТСЯ

Подать заявку на участие в конкурсе можно до 30 сентября.

Подробнее
25.09.2017Ключевые технологии Нейронета были поддержаны министрами на конференции «БИОТЕХМЕД»


В выступлении на конференции лидер рабочей группы «НейроНет» НТИ Андрей Иващенко подчеркнул необходимость интеграции достижений биотехнологии, цифровых технологий и переход к уберизированной экономике здравоохранения, делающей ее гораздо более доступной и массовой.

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