Revolucionarni način za treniranje neuromorfnih čipova

Revolucionarni način za treniranje neuromorfnih čipova

Koristeći biosenzor za otkrivanje cistične fibroze kao test slučaj, TU/e istraživači su osmislili inovativan način za obuku neuromorfnih čipova kao što je predstavljeno u novom radu u Nature Electronics.

Neuromorfni računari — koji su zasnovani na strukturi ljudskog mozga — mogli bi da revolucionišu naše buduće zdravstvene uređaje. Međutim, njihovu široku upotrebu ometa potreba da se neuromorfni računari obuče korišćenjem eksternog softvera za obuku, koji može biti dugotrajan i energetski neefikasan.

Istraživači sa Tehnološkog univerziteta u Ajndhovenu i Univerziteta Northvestern u SAD razvili su novi neuromorfni biosenzor sposoban za učenje na čipu kome nije potrebna spoljna obuka. Kao dokaz koncepta, istraživači su koristili biosenzor za dijagnozu cistične fibroze na osnovu uzoraka znoja.

„Pokazali smo da možemo da stvorimo ‘pametni biosenzor’ koji bi mogao da nauči da otkrije bolest, kao što je cistična fibroza, bez upotrebe računara ili softvera.“ Tako je Eveline van Doremaele rezimirala njihov novi rad sa Joeri van de Burgt sa TU/e, kao i Ksudong Ji i Jonathan Rivnai sa Univerziteta Northvestern u SAD.

„Pametni biosenzor“ u njihovom istraživanju je neuromorfni biosenzorski računar—uređaj čiji rad je inspirisan načinom na koji neuroni komuniciraju sa drugim neuronima u ljudskom mozgu.

„Neuromorfno računarstvo bi moglo imati značajan uticaj na zdravstvenu zaštitu, na primer, posebno kada su u pitanju uređaji za pružanje pomoći za proveru bolesti ili stanja“, kaže van Doremaele. „U našem istraživanju smo rešili veliki problem u vezi sa upotrebom neuromorfnih računara u zdravstvenoj zaštiti.

Dakle, koji je problem koji su van Doremaele i njeni saradnici rešili? „Za praktičnu upotrebu u zdravstvenim uređajima, neuromorfne tehnologije moraju da imaju niske zahteve za napajanjem, da imaju interfejs sa senzorom i da budu lako obučene za upotrebu. Prva dva od njih se mogu rešiti pomoću organske elektronike. Ali deo obuke je taj centralno pitanje“.

Do sada bi neuromorfna mreža neuromorfnog čipa bila obučena korišćenjem eksternog softvera, što je proces koji može biti dugotrajan i energetski neefikasan. „Sada, naš novi čip može da uči u hodu tako što obrađuje podatke o pacijentima u realnom vremenu, što svakako ubrzava proces obuke i pomaže u promociji upotrebe čipa u stvarnim interaktivnim bioaplikacijama“, kaže istraživač.

Da bi testirali efikasnost svog potpuno novog čipa, istraživači su ga koristili za testiranje genetske bolesti cistične fibroze. Cistična fibroza je nasledna bolest koja može oštetiti organe, kao što su pluća i probavni sistem.

Jedan postojeći način testiranja na bolest je test znojenja gde je visok nivo hloridnih anjona pokazatelj cistične fibroze. Pouzdani senzori su već dostupni za testiranje na cističnu fibrozu, tako da je ovaj test pružio istraživačima studiju slučaja koju je lako proveriti za njihov senzor za učenje na čipu.

„Radi lakše implementacije, nismo radili sa stvarnim podacima pacijenata. Umesto toga, koristili smo uzorke znoja od zdravih donatora“, kaže van Doremaele. „Jedan uzorak je bio negativan uzorak ili zdrav uzorak donorskog znoja, dok je drugi uzorak pripremljen da ima veoma visoku koncentraciju hloridnih anjona.

Neuromorfni biosenzor istraživača sastoji se od tri glavna dela — senzorskog modula, hardverske neuronske mreže i dela za klasifikaciju izlaza. Kap znoja se dodaje senzorskom modulu nakon čega se jonoselektivnim elektrodama detektuju koncentracije hlorida i drugih jona u znoju. Ove signale zatim obrađuje sam neuromorfni čip. Konačno, rezultat analize se prikazuje kao zeleno ili crveno svetlo koje označava negativan ili pozitivan rezultat, respektivno.

Pre nego što je čip korišćen za procenu glavnih uzoraka znoja, neuronska mreža je morala da ode u ‘data teretanu’ i prođe neku nadgledanu obuku.

„Napravili smo brojne uzorke znoja sa različitim i poznatim koncentracijama jona, a zatim testirali uzorke na čipu. Ako je rezultat čipa za test bio pogrešan, ispravljali smo čip, što je rezultiralo korekcijama težina između čvorova. neuronske mreže“, kaže van Doremaele. „Važno je da obučavamo čip na samom hardveru.“

Ovo je najveći napredak u ovom istraživanju — mogućnost da se neuronska mreža trenira na čipu i sve to bez potrebe za bilo kakvim spoljnim softverom. „Kada je čip osposobljen za problem od interesa (ovde otkrivanje cistične fibroze iz uzoraka znoja), nije potrebna dalja spoljna kontrola ili intervencija“, dodaje van Doremaele.

Pored toga, čak i kada je obučen, čip se može koristiti za još jedan problem. „Recimo da želite da koristite isti hardver neuronske mreže u pametnoj protetičkoj ruci ili ruci. Sve što treba da uradite je da ponovo obučite neuronsku mrežu u ‘data teretani’ sa informacijama o pokretima šake ili ruke u ovom slučaju“, kaže van Doremaele.

Ovaj novi pristup učenju na čipu otvara mogućnost personalizovanih implantabilnih neuronskih mreža koje obučava krajnji korisnik korišćenjem podataka direktno od korisnika. „Takav pristup obučavanju neuronskih mreža za zdravstvenu negu mogao bi da ima značajne implikacije za ljude i mogao bi jednog dana da obezbedi način da se čipovi obuče u realnom vremenu za kontrolu protetike ili drugih sličnih uređaja. Prava novina je da čipovi mogu da uče i prilagođavaju se na njihovu primenu i okruženje. Oni ne moraju biti prethodno programirani, kao što je to danas slučaj.“