Graphene lahko drži ključ do povezovanja naših možganov s stroji

Vaši možgani so panj električnih dejavnosti - signali, streljanje, pretakanje podatkov. To je tudi črna škatla popolnega kaosa. Do sedaj so najboljši načini, da svoje nevrone povežete z napravami in računalniki, lahko pregledajo samo široke reže nevronov in sprejmejo široko soglasje glede tega, na kaj vozijo. Toda očiten preboj v tehnologiji grafena ponuja upanje, da se bomo lahko izkoristili posameznih živčnih signalov v obstoječem biološkem okolju, z ogromnimi posledicami za proteze, učenje in ohranjanje duševnega zdravja.

Skupina raziskovalcev iz Španije, Italije in Združenega kraljestva je pokazala, da grafen lahko uspešno sodeluje z nevroni in od njih prenaša električni signal. To delo temelji na prejšnjih prizadevanjih, pri katerih je bil grafen prekrit s peptidi za spodbujanje adhezije nevronov in je pokazal, da taka obloga ni potrebna. Za razliko od prejšnjih poskusov in drugih tehnologij, to delo ni sprožilo brazgotine, ki je sčasoma povzročila, da so drugi vsadki neuporabni. Tudi ta različica, ki uporablja neobdelani grafen, ima visoko razmerje signal-šum, zaradi česar je bolj praktična za biološke aplikacije.

Prvi cilji tega dela so zdravljenje Parkinsonove bolezni. Obstoječe tehnologije nevronskih vmesnikov berejo izhod nevrona in ga prevajajo v nekaj drugega. Z neposrednim povezovanjem z nevroni je upanje, da se lahko to delo uporabi za poseganje v signal. Ker je Parkinsonova bolezen neuspešna pri zaviranju nevralnih signalov, bi lahko to težavo rešili s tehnologijo, ki umetno blokira tuje signale. Misli se, da tako delujejo obstoječe vsadljive elektrode: z ne-specifičnimi oddajanjem električnih impulzov, ki motijo ​​te neprimerne signale. Posamezna nevronska ločljivost lahko zagotovi veliko več nadzora.

Grafen je idealen material za biološki vmesnik: fleksibilen, stabilen in biokompatibilen. Ker je prav tako sposoben nositi električni naboj, je zanimanje za raziskave uporabilo v nevronskih aplikacijah.

Grafen je močan, vendar je težko? http://t.co/uUfeb1h0oN @ENERGY #MaterialsScience pic.twitter.com/BippvPpK7C

- Berkeley Lab (@BerkeleyLab) 22. februar 2016

Obstoječa tehnologija nevronskih vmesnikov skuša oceniti celotno polje nevronov z uporabo niza elektrod (kot je nedavni primer, ki je bil uporabljen za nadzor posameznih prstov). Čeprav je to lahko koristno v nekaterih nastavitvah, je lahko težavno prebrati skozi izide mnogih, mnogih nevronov, da bi našli želeni signal. Vendar se lotite reševanja povezovanja s posameznimi nevroni, potencial pa je brez nadzora - z vsemi možnostmi za nevronske proteze.

Še vedno potrebujete sofisticiran mehanizem, s katerim boste zagotovili, da bodo kontaktirani samo ustrezni nevroni; morate ločiti, kateri signal prihaja od koder; in morate prevesti to kakofonijo signalov.

Vstavljanje elektrod je lahko tudi težavno. Obstoječe tehnologije potopijo elektrode v možgansko tkivo in skoraj zagotovo poškodujejo določene povezave na poti. Ker se ta tehnologija ukvarja samo s terenskimi posnetki, poškodba nekaterih nevronov ni problematična. Če je cilj vmesnik s posameznimi nevroni, je to lahko pomembno vprašanje.

Poleg tega je treba sistem „kalibrirati“. Čas in moč nevronskih signalov sta kritično pomembna. Običajno se vaši možgani umerjajo. Ko na primer vadite baseball palico, pošljete povratne informacije, pozitivne ali negativne, da okrepite povezave in uporabite pravo količino sile in smeri. Če bi te stvari morali ročno prilagoditi v sistemu, ki ni samopopravljiv, bi lahko stvari naredile večji izziv. (Treba je omeniti, da so možgani zelo dobri v tem, da so "plastični" in se prilagajajo, tako da bi lahko rešili svoj problem s preprosto modulacijo lastne proizvodnje na podlagi vaših reakcij.)

Te vrste problemov pa so inženirski problemi, ki jih ni mogoče rešiti. Ko se ti izzivi rešijo, je lahko zmožnost povezovanja s posameznimi nevroni globoka. Na primer, "detektorji naključij" v vaših možganih odkrivajo vhodne nevronske impulze iz več kot enega nevrona. Če je čas vhoda iz obeh dovolj blizu, bo sprožil impulz v samem detektorju naključij. Ta mehanizem se uporablja v več kontekstih, od katerih je eden v učenju.

Ker je ta mehanizem odličen pri povezovanju različnih nevronskih dogodkov, jih lahko uporabimo za izgradnjo konceptov, ki povezujejo oddaljene dele možganov in se zato učijo nove ideje. Če je ta proces mogoče ročno nadzorovati, si lahko predstavljamo Matrix-esque stil učenja, v katerem se detektorji naključij ročno sprožijo, da povezujejo različne koncepte in gradijo misel, ne da bi se kdaj stopili v učilnico. Kratkoročno pa bo preprosto blokiranje neprimernega signaliziranja v Parkinsonovi bolezni precej manj težavno. Poiščite grafen, da boste najprej ohranili gladka gibanja - preden boste morda lažje pridobili spomine pozneje.