2020年5月28日

创建的概念a 'brain-on-a-chip' revealed

洛巴切夫斯基大学的科学家与来自俄罗斯,意大利,中国和美国的同事合作,提出了一种忆阻性神经杂交芯片的概念,该芯片将用于紧凑型生物传感器和神经假体。该概念基于神经细胞和微流体技术交界处的现有解决方案和前瞻性解决方案,从而有可能发展出空间有序的动态神经网络。结合用于创建微电极矩阵和忆阻器件阵列的CMOS兼容技术,这种集成方法将用于实时记录,处理和刺激生物电活动。

洛巴切夫斯基大学物理与技术研究所实验室负责人Alexey Mikhaylov认为,不同子系统之间的相互作用是在一个单晶(芯片)上组织的,并由内置的模数电路控制。 “生物相容性微电子系统的实施以及细胞技术的发展,将通过提供重要的竞争优势而在神经修复术方面取得突破:基于微结构和纳米结构的微型生物电传感器,可以选择以多种方式存储和处理信号包括前馈方法和反馈循环在内的各种方式可以用作主动神经接口,用于智能控制和管理神经元结构。

这种潜力(使用传统的神经接口架构无法实现)可以扩展到其他类型的生物电信号,从而利用便携式信号处理和诊断系统来记录脑,心脏和肌肉活动以及皮肤状态的信号。”米哈伊洛夫说。

为了开发和制造双向神经接口,科学家目前使用复杂的电子电路来实现信息处理的特殊数学模型和神经形态原理。这样的电子系统使用传统的组件,不能满足能源效率和紧凑性的要求,以便与同一芯片上的活的培养物或组织进行安全交互。

“由俄罗斯和意大利的科学家创建的忆阻器具有非线性电阻记忆的独特特性,是模拟信息处理系统(包括具有神经元状结构的那些)的有前途的元素。它们还可以同时用作电生理活动传感器。信息的累积和非易失性存储功能。”

所提出的神经混合系统的示意图表示了在一个CMOS集成芯片中组合的几个功能层。顶层是神经元系统的一部分,在这里以在多电极阵列上生长的离体海马细胞培养物为代表,并通过微流控通道的特殊布局按功能排列。

微电极层用于体外细胞外配准和神经元刺激。它与忆阻器件阵列一起在CMOS层的顶部金属化层上实现。

“忆阻器设备执行的最简单的任务是直接处理生物网络的尖峰活动;但是,自学 可以设计基于完全连接的横杆忆阻阵列的体系结构,以自适应解码生物电活动的时空特征。该人工网络的输出可用于根据给定的协议,通过逐步调制细胞外刺激来控制蜂窝网络。用于访问和控制多电极阵列和忆阻器件,在各层之间放大,生成和传输信号的模拟和数字电路应在主CMOS层中实现。” Alexey Mikhaylov解释说。

要创建神经混合芯片,将需要在材料,设备,体系结构和系统级别对所有这些元素进行协同设计和优化。当然,这项工作必须与生物和神经技术的发展保持同步,以解决与生物相容性,机械效应,几何形状,微电极和探针的小型化以及微型化以及处理生物反应有关的许多问题。在与人工电子子系统的接口上进行培养/组织培养。

用阿列克谢·米哈伊洛夫(Alexey Mikhaylov)的话来说,这个概念揭示了一种想法,即为下一代机器人技术,人工智能和个性化医学创建属于更广泛的忆阻神经混合系统类别的片上大脑系统。

为了在可预见的时间范围内说明所提出的方法和相关产品,已提出了忆阻性神经形态和神经混合系统的路线图。路线图的重点将放在使用生物神经网络的体系结构和原理支持专用硬件的开发和商业化,以支持人工智能,机器学习,神经假体和神经接口技术的开发和大规模引入。

阿列克谢·米哈伊洛夫(Alexey Mikhaylov)表示:“我们认为该路线图的起点是2008年,与此同时,对忆阻器的当前关注也在不断发展,该路线图包括在神经生物学和神经生理学等广泛领域中正在进行的研究和开发。”

研究人员在路线图上朝着这个方向的不同阶段设想了以下产品壁ni:神经形态计算设备;非侵入性神经接口神经植入物,神经假体和侵入性神经接口等

“忆阻器件的独特性能决定了它们在开发用于神经计算器件,脑机接口和神经假体的应用神经形态和神经混合系统中的至关重要的作用。到2030年,这些领域将占据价值高达数万亿美元的世界高科技市场的重要份额考虑到人工智能技术,物联网,“大数据”和“智能城市”技术,机器人技术的发展和实施速度,以及在不久的将来,神经修复和仪器矫正/支持/增强人类认知能力”,米哈伊洛夫总结说。



更多信息: Alexey Mikhaylov等人,《用于生物传感器和神经假体的Neurohybrid忆阻CMOS集成系统》, 神经科学前沿 (2020)。 DOI:10.3389 / fnins.2020.00358
期刊信息: 神经科学前沿

Provided 通过 洛巴切夫斯基大学
引文: 揭示了创建``芯片上的大脑''的概念(2020年5月28日) 2021年1月17日检索 from //xasqxhb.com/news/2020-05-concept-brain-on-a-chip-revealed.html
本文件受版权保护。除了出于私下学习或研究目的进行的任何公平交易外, 未经书面许可,不得复制部分内容。内容仅供参考。

用户评论