科学者たちはリアルタイムで生物学的信号を認識できる人工ニューロンチップを構築する

現在のニューラルネットワークアルゴリズムは印象的な結果を生み出し、驚くべき数の問題を解決するのを助けます。しかしながら、これらのアルゴリズムを実行するために使用される電子装置は、依然として巨大な処理能力を必要とする。それが感覚情報のリアルタイム処理または環境との対話に関しては、これらの人工知能（AI）システムは単に実際の脳と競合することはできない。そしてニューロモルフィックエンジニアリングは、人工知能と自然知性の間の橋渡しを築く有望な新しい方法です。

チューリッヒ大学の学際的研究チーム、チューリッヒのEthチューリッヒ、大学病院は、複雑な生物学的信号を確実かつ正確に識別することができる神経学的技術に基づくチップを開発するためにこの方法を使用しました。科学者たちはこの技術を使用して以前に記録された高周波振動（HFO）を正常に検出できました。頭蓋内脳探帯（IEEG）を用いて測定されたこれらの特定の波は、発作を引き起こす脳組織を同定するための有望なバイオマーカーであることが証明されている。

研究者らは、最初に脳の天然のニューラルネットワークをシミュレートすることによってHFOを検出するためのアルゴリズムを設計しました：小さないわゆるスパイクニューラルネットワーク（SNN）。第2のステップは、電極を介してニューラル信号を受信するネイルサイズのハードウェア内にSNNを実装することである。伝統的なコンピュータとは異なり、それは大きなエネルギー効率を持っています。これにより、インターネットまたはクラウドコンピューティングに頼ることなく、可能な限り非常に高い時間分解能で計算を行います。

チューリッヒ大学のニューロインフォーマティクス協会の教授であるGiacomo Indiveriは、次のように述べています。

研究者らは現在、HFOをリアルタイムで確実に識別し監視するために電子システムを作成するために彼らの調査結果を使用することを計画しています。手術室で追加の診断ツールとして使用すると、システムは神経外科介入の結果を改善することができます。

しかし、これはHFO識別が重要な役割を果たすことができる唯一の分野ではありません。チームの長期目標は、病院外で使用できるてんかんを監視するための装置を開発することであり、数週間または数ヶ月以内に多数の電極の信号を分析することが可能になります。

チューリッヒ大学病院の神経生理学者であるJohannes Sarntheinは、次のとおりです。「設計の低エネルギーワイヤレスデータ通信を統合したい - たとえば、携帯電話に接続します。このような携帯型または埋め込み可能なチップは、より高い発作率を認識することができる。高または低期間、それは私達が個人化された薬を提供することを可能にするでしょう。」