Нейроморфные компьютеры, основанные на структуре человеческого мозга, могут произвести революцию в наших будущих медицинских устройствах. Однако их широкому использованию препятствует необходимость обучения нейроморфных компьютеров с использованием внешнего обучающего программного обеспечения, что может быть трудоемким и энергонеэффективным.
Исследователи из Технологического университета Эйндховена и Северо-Западного университета в США разработали новый нейроморфный биосенсор, способный обучаться на чипе и не требующий внешнего обучения. В качестве доказательства концепции исследователи использовали биосенсор для диагностики муковисцидоза на основе образцов пота.
Мы продемонстрировали, что можем создать «умный биосенсор», который сможет научиться обнаруживать такое заболевание, как муковисцидоз, без использования компьютера или программного обеспечения
— Эвелин ван Доремаэле.
Именно так исследователь резюмировала свою новую работу с Йоэри ван де Бургтом из TU/e, а также Сюдуном Цзи и Джонатаном Ривнеем из Северо-Западного университета в США.
«Умный биосенсор» в их исследовании представляет собой нейроморфный биосенсорный компьютер — устройство, работа которого основана на способе взаимодействия нейронов с другими нейронами в человеческом мозге.
Нейроморфные вычисления могут оказать существенное влияние, например, на здравоохранение, особенно когда речь идет об устройствах для проверки наличия заболеваний или состояний. И в нашем исследовании мы решили серьезную проблему, связанную с использованием нейроморфных компьютеров в здравоохранении
— Эвелин ван Доремаэле.
Прощай, внешнее программное обеспечение
Итак, какую проблему решили ван Доремаэле и ее коллеги? Для практического использования в устройствах здравоохранения нейроморфные технологии должны иметь низкое энергопотребление, взаимодействовать с датчиком и легко обучаться использованию. Первые две из этих проблем можно решить с помощью электроники на органической основе. Но главным вопросом остается обучаемость.
Нейроморфный биосенсорный чип.
До сих пор нейронная сеть нейроморфного чипа обучалась с использованием внешнего программного обеспечения, а этот процесс может быть трудоемким и энергонеэффективным.
Теперь наш чип может обучаться на лету, обрабатывая данные пациентов в режиме реального времени, что, безусловно, ускоряет процесс обучения и помогает продвигать использование чипа в реальных интерактивных биоприложениях
— Эвелин ван Доремаэле.
В поисках хлорид-анионов
Чтобы проверить эффективность своего нового чипа, исследователи использовали его для проверки на генетическое заболевание муковисцидоз. Муковисцидоз — это наследственное заболевание, которое может повреждать такие органы, как легкие и пищеварительную систему.
Один из существующих способов проверить наличие заболевания — это тест с потом, где высокий уровень анионов хлорида является индикатором муковисцидоза. Надежные датчики уже доступны для проверки на муковисцидоз, поэтому этот тест предоставил исследователям простой в проверке практический пример их встроенного обучающегося датчика.
Для простоты реализации ученые не работали с реальными данными пациентов. Вместо этого они использовали образцы пота здоровых доноров. Один образец представлял собой отрицательный образец или образец пота здорового донора, в то время как второй образец был подготовлен с очень высокой концентрацией анионов хлорида
Нейроморфный биосенсор исследователей состоит из трех основных частей: сенсорного модуля, аппаратной нейронной сети и части классификации выходных данных. Капля пота добавляется в сенсорный модуль, после чего концентрация хлоридов и других ионов в поте определяется с помощью ионселективных электродов. Эти сигналы затем обрабатываются самим нейроморфным чипом. Наконец, результат анализа отображается в виде зеленого или красного индикатора, что указывает на отрицательный или положительный результат соответственно.
Обучение в дата-зале
Прежде чем чип был использован для оценки основных образцов пота, нейронной сети пришлось пройти «тренажёрный зал данных» и пройти некоторое обучение под присмотром.
Мы создали несколько образцов пота с различными и известными концентрациями ионов, а затем протестировали образцы на чипе. Если результат чипа для теста был неверным, мы исправили чип, что привело к корректировке весов между узлами. нейронной сети. Важно то, что мы обучаем чип на самом оборудовании
— Эвелин ван Доремаэле.
Главное достижение в этом исследовании — возможность обучать нейронную сеть на чипе, причем без необходимости использования какого-либо внешнего программного обеспечения.
Когда чип обучен интересующей задаче (в данном случае выявлению муковисцидоза по образцам пота), дальнейший внешний контроль или вмешательство не требуется
— Эвелин ван Доремаэле.
Легкость переобучения
Кроме того, даже при обучении чип можно использовать для решения другой задачи.
Предположим, вы хотите использовать то же оборудование нейронной сети в умном протезе руки или руки. Все, что вам нужно сделать, это переобучить нейронную сеть в «тренажёрном зале данных» с использованием информации о движениях руки или руки в этом случае
— Эвелин ван Доремаэле.
Новый подход к обучению на кристалле открывает возможность создания персонализированных имплантируемых нейронных сетей, которые обучаются конечным пользователем посредством использования данных непосредственно от пользователя.
Подобный подход к обучению нейронных сетей для здравоохранения может иметь серьезные последствия для людей и может когда-нибудь предоставить возможность обучать чипы в режиме реального времени для управления протезами или другими подобными устройствами. Настоящая новинка заключается в том, что чипы могут обучаться и адаптироваться. Их не нужно предварительно программировать, как это происходит сегодня
— Эвелин ван Доремаэле.
