Изучение информационных процессов в мозге

Исследования проводятся на базе Лаборатории нейросетевых технологий НИИ Нейронаук и кафедры нейротехнологий Института биологии и биомедицины ННГУ им. Н.И. Лобачевского.

Руководитель исследований: Лобов Сергей Анатольевич – д.ф.-м.н., профессор каф. нейротехнологий ИББМ

Состав исследовательской группы:

1. Лобов Сергей Анатольевич – д.ф.-м.н., профессор каф. нейротехнологий ИББМ
2. Жаринов Алексей Иванович – аспирант ИББМ
3. Потапов Иван Александрович – аспирант ИББМ
4. Митин Илья Васильевич – инженер НИЛ «Лаборатория мемристорной наноэлектроники»

Цели исследований:

– определить как нейрональная пластичность, действующая на синаптическом уровне может опосредовать процессы обучения и памяти, происходящие на уровне нейронной сети

– изучить как, процессы сетевого уровня могут определять восприятие, когнитивные способности, и моторный ответ человека

– научиться конструировать бионические робототехнические устройства, реализующие нейроморфные принципы (автономные роботы, моторизированные протезы и экзоскелетонные системы)

Основные подходы при проведении исследований:

– моделирование спайковых (импульсных) нейронных сетей (СНС) с пластичностью;

– разработка неинвазивных нейроинтерфейсов (прежде всего миографических);

– биоморфная робототехника с элементами нейроуправления и обучения.

Что уже удалось узнать и разработать, выполняя эти исследования?

С помощью модельной спайковой (импульсной) нейронной сети с STDP-пластичностью был продемонстрирован эффект структурно-функциональных перестроек под действием периодической внешней стимуляции и показано, что сетевая синхронизация опосредуется именно пластичностью. Данный вывод позволил разработать метод отображения связей нейронной сети (синаптического коннектома) с помощью векторного поля.

Была изучена зависимость возникновения сетевой синхронизации от частоты внешнего сигнала и показано, что STDP-пластичность существенно расширяет частотный и пространственный диапазон, при котором наблюдается синхронизация. Кроме того, в лаборатории был предложен метод определения функциональных хабов или нейронов-распределителей исходящей активности.

Исследованы свойства глобальной сетевой памяти биофизической спайковой модели нейронной сети. Показано, что время хранения следов памяти зависит от уровня нейронного шума, и эта зависимость выражается степенным законом. Также показано, что ключевую роль в хранении информации в СНС играют хабы: сетевые пачки, индуцированные хабами стабилизируют записанную информацию, в то время как пачки, инициированные нейронами, не являющимися хабами, способствуют стиранию информации.

Показано, что для реализации ассоциативного обучения необходима структуризация, которую можно осуществить, реализуя определенную геометрию сети, либо используя подсети, соединенные однонаправленными связями. Сформулировано правило кратчайшего пути, согласно которому при наличии нескольких альтернативных путей распространения возбуждения потенцируется наиболее короткий. Предложенная сетевая архитектура с использованием правила кратчайшего пути позволила реализовать ассоциативное обучение в СНС на основе временно́го кодирования и продемонстрировать его с помощью самообучающегося робота в задаче избегания препятствий. Также была предложена структурированная СНС с возможностью ассоциативного обучения на основе частотного кодирования и впервые реализован нейромышечный интерфейс, полностью состоящий из спайковых нейронов.

Разработан новый метод обучения СНС с учителем, заключающийся во внешней стимуляции целевого нейрона при обучении. Для совместного использования частотного и временного кодирования при обучении предложена новая универсальная модель синаптической пластичности – STRDP. Также развиваются и исследуются другие модели нейрональной пластичности – гомеостатическая пластичность и структурная пластичность.

Помимо этого, при участии сотрудников лаборатории, были разработаны модели когнитивных нейрональных карт на основе СНС и алгоритмы их формирования и декодирования, в частности модель пространственной памяти с негативным подкреплением и алгоритм перемещения нейроробота, а также метод когнитивного управления конечностями на основе обобщенных когнитивных карт (ОКК). С помощью разработанного метода показана универсальность модели ОКК: она может применяться не только в задаче навигации, но и в задаче сенсомоторного взаимодействия с внешним миром в динамически меняющихся условиях.

Работоспособность модели ОКК продемонстрирована на примере управления конечностями антропоморфного робота. С помощью компьютерного тестирования человека получено подтверждение предсказания модели ОКК о кодировании мозгом статических и динамических ситуации в виде статических обобщенных когнитивных карт. Также показана корреляция тренированности человека с близостью его динамических траекторий к предсказанным моделью ОКК.

В области биоморфной и нейроморфной робототехники были получены следующие результаты. Разработан робот-тунец с упрощенной конструкцией, позволивший оценить зависимость скорости и энергопотребления от частоты и амплитуды биений хвоста.

Характер зависимостей, полученных при гидродинамическом моделировании и в натурном эксперименте совпал. Для управления роботом-рыбой предложено использование модельного ЦГР, включающего нейроны-пейсмейкеры и нейроны с пачечной активностью. Исследована возможность самоорганизации ЦГР в модульных спайковых сетях и продемонстрирована возможность использования самоорганизованных ЦГР в управлении виртуальным роботом-рыбой.

Научный задел, полученной лабораторией под руководством С.А. Лобова позволил сформулировать новую концепцию анизорезистивного движения животных и роботов, экспериментальное и теоретическое обоснование которой в будущих исследованиях позволит предложить биоморфные роботы следующего поколения, которые будут отличаться энергоэффективным движением с высокой скоростью.