Graphene može držati ključ za povezivanje naših mozgova sa strojevima

Vaš mozak je košnica električne aktivnosti - signalizira se, prenosi podatke. To je također crna kutija totalnog kaosa. Do sada su najbolji načini da svoje neurone povežete s uređajima i računalima uspjeli samo pregledati široke prostore neurona i uzeti široki konsenzus o tome na što voze. No, očigledan proboj u tehnologiji grafena nudi nadu da bismo mogli iskoristiti pojedinačne neuronske signale u postojećem biološkom okruženju, s ogromnim posljedicama za proteze, učenje i očuvanje mentalnog zdravlja.

Tim istraživača iz Španjolske, Italije i Velike Britanije pokazao je da grafen može uspješno sučeliti se s neuronima i nositi električni signal s njih. Ovaj rad se nadovezuje na prethodne napore u kojima je grafen prevučen s peptidima kako bi se potaknula adhezija neurona i pokazalo je da je takvo oblaganje nepotrebno. Za razliku od prethodnih pokušaja i drugih tehnologija, ovaj rad nije potaknuo ožiljno tkivo koje je tijekom vremena učinilo druge implantate beskorisnim. Također, ova verzija koja koristi neobrađeni grafen ima visok omjer signala i šuma, što ga čini praktičnijim za biološke primjene.

Prvi ciljevi ovog rada su liječenje Parkinsonove bolesti. Postojeće tehnologije neuronskih sučelja čitaju izlaz neurona i prenose ga u nešto drugo. Izravnim sučeljavanjem s neuronima, nada se da se ovaj rad može koristiti za ometanje signala. Budući da je Parkinsonova neuspjeh u inhibiranju živčanih signala, tehnologija koja može umjetno blokirati vanjske signale može riješiti taj problem. To je mislio da je to kako postojeće implantabilne elektrode djeluju: nespecifičnim emitiranjem električnih impulsa koji ometaju ove neprikladne signale. Pojedinačna rezolucija neurona mogla bi pružiti mnogo veću kontrolu.

Grafen je idealan materijal za biološko sučelje: fleksibilan je, stabilan i biokompatibilan. Budući da je u stanju nositi i električni naboj, zanimanje je za istraživanje korišteno u neuralnim aplikacijama.

Grafen je jak, ali je li to teško? http://t.co/uUfeb1h0oN @ENERGY #MaterialsScience pic.twitter.com/BippvPpK7C

- Berkeley Lab (@BerkeleyLab) 22. veljače 2016

Postojeća tehnologija neuronskog sučelja teži ocjenjivanju cijelog polja neurona pomoću niza elektroda (kao što je nedavni primjer koji je korišten za kontrolu pojedinačnih prstiju). Iako to može biti korisno u nekim postavkama, može biti teško provjeravati izlazne podatke mnogih, mnogih neurona kako bi pronašli željeni signal. No, sve se svodi na rješavanje sučelja s pojedinim neuronima, a potencijal je bez presedana - sa svim vrstama potencijala za neuronske proteze.

Još vam je potreban sofisticirani mehanizam koji osigurava kontakt samo odgovarajućih neurona; morate odvojiti koji signal dolazi odakle; i morate prevesti ovu kakofoniju signala.

Ugradnja elektroda također može biti nezgodna. Postojeće tehnologije uranjaju elektrode u moždano tkivo i gotovo sigurno oštećuju određene veze na tom putu. Budući da se ova tehnologija bavi samo terenskim snimanjima, oštećenje nekoliko neurona nije problematično. Ako je cilj povezati se s pojedinim neuronima, to bi moglo biti značajno pitanje.

Nadalje, sustav će možda morati biti "kalibriran". Vrijeme i snaga neuronskih signala su od ključne važnosti. Normalno se vaš mozak kalibrira. Kada, na primjer, prakticirate swinganje bejzbol palicom, šaljete povratnu informaciju, pozitivnu ili negativnu, kako biste pojačali veze i koristili samo pravu količinu sile i smjera. Ako ste morali ručno prilagoditi te stvari u sustavu koji nije samopokretan, to bi moglo učiniti stvari izazovnijima. (Važno je napomenuti da je mozak vrlo dobar u tome što je "plastičan" i prilagođava se, tako da može riješiti vlastiti problem jednostavnim moduliranjem vlastitog izlaza na temelju vaših reakcija.)

Međutim, ovi tipovi problema su inženjerski problemi i nije ih nemoguće riješiti. Jednom kada se ti izazovi riješe, sposobnost sučelja s pojedinim neuronima može biti duboka. Na primjer, "detektori slučajnosti" u vašem mozgu otkrivaju dolazne neuronske impulse iz više od jednog neurona. Ako je vrijeme ulaza od oba dovoljno blizu, pokrenut će impuls u samom detektoru podudarnosti. Ovaj se mehanizam koristi u nekoliko konteksta, od kojih je jedan u učenju.

Budući da je ovaj mehanizam odličan za povezivanje različitih neuralnih događaja, oni se mogu koristiti za izgradnju koncepata koji premošćuju udaljene dijelove mozga zajedno i stoga uče novu ideju. Ako se ovaj proces može ručno kontrolirati, onda se može zamisliti stil učenja Matrix-esque, u kojem se detektori slučajnosti ručno pokreću kako bi povezali različite koncepte i izgradili misao bez da se ikada postavi u učionicu. Kratkoročno, međutim, jednostavno blokiranje neprimjerenog signaliziranja u Parkinsonovoj bolesti bit će mnogo manje teško. Potražite grafen kako biste najprije očuvali glatke pokrete - prije nego što ćete uspomene lakše steći kasnije.