European Commission logo
polski polski
CORDIS - Wyniki badań wspieranych przez UE
CORDIS
Zawartość zarchiwizowana w dniu 2024-05-27

Information Processing by Natural Neural Networks

Article Category

Article available in the following languages:

Przegląd potencjału przetwarzania informacji biohybrydowych

W ramach zainicjowanego przez UE projektu INPRO połączono sieci neuronowe, udoskonalone w ciągu milionów lat ewolucji, z mikroukładami elektronicznymi. Członkowie konsorcjum przeprowadzili sondaż mający na celu ustalenie potencjału badań w dziedzinie obliczeń biohybrydowych.

Gospodarka cyfrowa icon Gospodarka cyfrowa

W miarę wzrostu objętości generowanych na całym świecie danych, urastających do nieprzewidywanych proporcji, przyśpieszane jest zapotrzebowanie na nowatorskie środki do przetwarzania informacji. Artefakty biohybrydowe obejmują połączenie technik informacji i łączności z podmiotami biologicznymi. Układ synergistyczny zapowiada otwarcie drzwi dla nowych form detekcji, łączności i obliczeń wymaganych do sytuacji przeciążania danych. Przy wykorzystaniu neuronów biologicznych w charakterze wydajnych równoległych procesorów, w ramach europejskiego projektu INPRO zamierzano opracować nowatorską metodę przetwarzania informacji (IP) poprzez łączenie komórek nerwowych z techniką stosowaną w mikroukładach. W celu ustalenia potencjału sieci neuronowych do przetwarzania informacji, po zakończeniu badań w ramach projektu INPRO przeprowadzono analizę rynku. Podczas prowadzonej analizy, realizowano rozmowy z wieloma instytucjami akademickimi i przemysłowymi. Uzyskano zgodną opinię, iż przeszkody, które poprzednio spowalniały postępy w dziedzinie teoretycznej i stosowanej neurobiologii, zostały dzięki przeprowadzonym badaniom pomyślnie usunięte. Jednak zanim nastąpi pełen rozkwit szerokiego zakresu zastosowań w dziedzinie interfejsów umysłu i maszyn, trzeba będzie w dalszym ciągu rozwijać solidne podłoże naukowe zrealizowane w projekcie INPRO. Zaplanowane na przyszłość badania obejmują zastosowanie zestawów matryc wieloelektrodowych (MEA) w celu prowadzenia długotrwałego monitorowania dużych zespołów neuronowych. Rozszerzenie badanej techniki w ten sposób zapewni odkrycie natury właściwości neuronowych, takich jak plastyczność oraz połączenia z pamięcią. Zastosowanie zmiennych przyczyniających się do plastyczności synaptycznej i zmiany nasilenia sygnału między dwoma neuronami może pomóc w naświetleniu słabo rozumianego zjawiska uczenia się. W tej sytuacji, może to przyczynić się do opracowania nowych algorytmów, które zrewolucjonizują przetwarzanie informacji.

Znajdź inne artykuły w tej samej dziedzinie zastosowania