Главная страница > Новости > ОБЗОР НОВОСТЕЙ НЕЙРОТЕХНОЛОГИЙ 01.02.2021-07.02.2021

ОБЗОР НОВОСТЕЙ НЕЙРОТЕХНОЛОГИЙ 01.02.2021-07.02.2021

08 февраля 2021

Ученые нашли способ повысить детальность визуализации активности головного мозга

Сотрудники Института когнитивных нейронаук НИУ ВШЭ предложили новый способ обработки данных магнитоэнцефалографии, который позволяет с большей точностью находить зоны активации коры головного мозга. Его можно будет использовать как в фундаментальных исследованиях, так и в клинической практике – для диагностики широкого спектра неврологических расстройств и подготовки пациентов к операциям на головном мозге.

Технология магнитоэнцефалографии сочетает в себе способность регистрировать тонкие аспекты временной динамики нейрональной активности и потенциально достижимую точность локализации активных популяций нейронов. В то время как первое свойство обусловлено измерением быстропротекающих электрических (а не медленных гемодинамических) процессов, для достижения высокой точности локализации необходимы сложные математические методы. 

Распределение мощности стационарных слуховых потенциалов через 250 мс после воздействия, восстановленное с помощью разных методов анализа

Используя модель наблюдаемых данных и модель корреляционной матрицы, ученые  разработали математический алгоритм, который способен удалять из корреляционной матрицы информацию о взаимодействии источников. Таким образом удалось вернуть работоспособность методу формирования луча и обеспечить необходимую детальность визуализации взаимодействующих нейронных популяций. Чтобы оценить работу алгоритма, ученые сгенерировали набор данных, аналогичных сигналам, получаемым сенсорами, и опробовали на них четыре метода.

Математики уменьшили размер нейросети в 6 раз без ее переобучения

Для работы с большими объемами данных специалистам приходится изобретать различные способы снижения требований к емкости сети, включая так называемое квантование. Это помогает снизить потребление ресурсов, но требует переобучения системы. Команда математиков из РУДН нашла способ уменьшить размер обученной нейронной сети в шесть раз, не затрачивая дополнительных ресурсов на ее переобучение. 

Основная идея упрощения искусственных нейронных сетей — это так называемое квантование весов, то есть уменьшение количества битов на каждый вес. Квантование предусматривает усреднение сигнала: например, если оно применяется к изображению, все пиксели, представляющие разные оттенки одного цвета, станут идентичными. Новый подход основан на нахождении корреляции между весами нейронных связей в исходной системе и ее упрощенной версии.

После квантования точность классификации снизилась всего на 1%, но требуемый объем хранилища был уменьшен в шесть раз

Авторы создали формулы, которые эффективно устанавливают корреляции между весами в нейронной сети до и после квантования. На их основе ученые разработали алгоритмы, с помощью которых обученная нейронная сеть могла классифицировать изображения. В своем эксперименте математики использовали текстовый пакет из 50 тысяч фотографий, которые можно было разделить на 1 000 групп. После обучения сеть была квантована с использованием нового метода и не подвергалась повторному обучению. 

Новый тип нейронной сети обучается во время работы

Исследователи из MIT разработали новую гибкую систему машинного обучения, которая подстраивается под меняющиеся условия в процессе работы. Эти гибкие алгоритмы изменяют лежащие в их основе уравнения, чтобы постоянно адаптироваться к новым входным данным. Авторы указывают на обработку видео, финансовые данные и медицинские диагностические приложения как на примеры временных рядов, которые имеют ключевое значение для общества.

Они разработали нейронную сеть, которая может адаптироваться к изменчивости реальных систем. В уравнениях, которые исследователи использовали для структурирования искусственной нейронной сети, параметры могли изменяться на основе результатов вложенного набора дифференциальных уравнений. Гибкость новой системы машинного обучения делает ее более устойчивой к неожиданным данным, например, если сильный дождь закрывает обзор камеры на беспилотном автомобиле. 

Нейронная сеть успешна прошла несколько тестов. Она на несколько процентов опередила другие современные алгоритмы временных рядов в точном прогнозировании будущих значений в наборах данных, начиная от химии атмосферы и заканчивая схемами движения. Кроме того, небольшой размер сети позволил сети пройти тесты без больших затрат на вычисления.

Новая техника визуализации в нанометровом масштабе создана на основе УЗИ

Исследователи из Делфтского технического университета (TU Delft), Нидерланды, разработали первый метод проверки новой техники визуализации в нанометровом масштабе. В ней используется тот же принцип, что и при ультразвуковом сканировании, но в гораздо меньшем масштабе. Разрешение УЗ визуализации в значительной степени определяется длиной волны используемого звука и обычно составляет около миллиметра. Ультразвуковой технологии в наномасштабе до сих пор не существовало.

Частоту используемого звука необходимо было дополнительно увеличить, до диапазона ГГц, что стало возможным только недавно. Помогло применение фотоакустики. Использование фотоакустического эффекта позволяет генерировать чрезвычайно короткие звуковые импульсы. Ученым удалось интегрировать эту технику в атомно-силовой микроскоп (АСМ). С помощью наконечника АСМ ученым удалось сфокусировать сигнал. Установка уже прошла предварительные испытания.

Ультразвук отлично подходит для картирования трехмерной структуры

Новый метод особенно интересен для наноэлектроники. В будущем это поможет изготавливать еще более мелкие чипы с мелкими узорами. Например, чтобы можно было разместить два слоя друг на друге с нанометровой точностью. Также есть потенциальные приложения и за пределами электроники. Например, в клеточной биологии для создания подробного трехмерного изображения отдельной живой клетки. Это позволит увидеть, как митохондрии складываются в клетке

Новая система управления для парализованных пациентов

Система на основе гибкой и дышащей магнитной «кожи» сможет улучшить качество жизни людей с параличом всех конечностей. Инженеры и нейроученые из KAUST создали технологию, которая объединила в себе магнитные татуировки, считывающие мимику лица, «умные» очки, «умную» инвалидную коляску и дополнительные гаджеты. С помощью нее пользователи смогут перемещаться в пространстве и взаимодействовать с окружением посредством мимики.

Основой системы стали магнитные татуировки, сделанные из очень гибкой, эластичной, дышащей и биосовместимой магнитной кожи, которые крепятся над бровями и по обе стороны носа. Они отслеживают движения мимических мышц лица, и эти сигналы регистрируются магнитными датчиками, которые встроены в «умные» очки. Очки преобразуют эти сигналы в электрические и отправляют их в «умную» магнитную коляску, благодаря чему она перемещается в пространстве. 

Кроме того, в систему входят и другие гаджеты: например, «умная» компьютерная мышь или датчики для управления освещением в доме. Все элементы системы объединяются между собой с помощью Bluetooth и инфракрасного излучения. В настоящий момент они поддерживают 13 различных команд, скорость обучения которым составляет лишь немногим более 15 минут. Систему протестировали на трех добровольцах, и в худшем случае показатель успеха в обучении составил 93 процента.