Нейросистемы на основе Органики и Кремния

[XUC]

Создан робот на основе искусственных человеческих нейронов ​

Австралийская компания использовала синтезированные нейроны человеческого мозга для управления робособакой. На первой демонстрации робот получал и выполнял команды по перемещению по простой карте. Ученые будут развивать эту технологию, так как живые нейроны выигрывают у ИИ в энергоэффективности и в способности справляется с новой информацией.

Робот, управляемый живыми нейронами​

Компания из Австралии Cortical Labs продемонстрировала роботизированную собаку, управляемую синтезированными в лаборатории нейронами человеческого мозга, пишет Ssciencealert.
Нейроны выращены непосредственно на чипе. Электроды обеспечивают двустороннюю электрическую передачу сигналов и преобразуют активность группы нейронов в движение робота. На первой демонстрации команда Cortical Labs направляла робособаку к цели на простой карте.
Цель исследователей на данном этапе — узнать больше о том, как чипы на основе нейронов сохраняют информацию и какими свойствами памяти они могут обладать. Развитие технологии обеспечит значительные преимущества, так как человеческому мозгу требуется гораздо меньше энергии для работы и он лучше ИИ справляется с незнакомой информацией.

Преимущества адаптации к условиям реального мира​

«Живой» чип работает за счет электрических сигналов, которые стимулируют нейроны. В ответ чип посылал свои собственные электрические сигналы. Варьируя характеристики электрического сигнала и предоставляя обратную связь о действиях агента, исследователи смогли обучить систему и интерпретировать движения.
Для просмотра ссылки Войди или Зарегистрируйся
GigaChat

Робособаку научили выполнять команды нейронов, выращенных на чипе
«Задача состоит не просто в выращивании нейронов на кремниевой подложке: необходимо найти надежные способы взаимодействия с биологическими системами, обучить их и понять, какие подходы дают стабильные результаты», — сказал Джонсон Чжоу (Johnson Zhou), инженер-программист в Cortical Labs.
Ходьба, бег и акробатические трюки — это потрясающе, но определить, где и когда выполнять действия, по-прежнему остается сложной задачей при использовании традиционных методов, отметили ученые.
«Роботы, которые становятся удивительно совершенными машинами в плане физического управления, по-прежнему испытывают трудности с управлением более высокого порядка, необходимым для быстрого обучения или адаптации к меняющимся условиям», — добавил Брет Каган (Brett Kagan), соучредитель и CEO компании Cortical Labs.
Использование биологических систем поможет роботам и автономным системам принимать решения в непредсказуемых условиях реального мира.

Человеческие нейроны в компьютерах​

Технология находится пока на ранних этапах развития. О первенстве в создании искусственного синапса в 2024 г. заявили физики-теоретики Утрехтского университета (Нидерланды) совместно с физиками-экспериментаторами Университета Соганг в Южной Корее

Стартап Cortical Labs в марте 2025 г. анонсировал «первый в мире биологический компьютер» CL1, работающий на клетках человеческого мозга. Искусственные нейроны в нем способны реагировать на электрические сигналы, образуя сети, которые обрабатывают информацию подобно биологическому мозгу.
В августе 2026 г. CNews писал, что Cortical Labs, Центр наук Национального университета Сингапура (NUS) и оператор центров обработки данных DayOne объявили о запуске кластера из 20 компьютеров на нейронах CL1.
Биокомпьютеры с 16 млн живых нейронов, соединенных с кремниевыми чипами, смогли за два дня научиться распознавать речь и обладателя голоса. При этом вычислительные ресурсы CL1 стоят $2,2 тыс. в месяц, что примерно в два раза дешевле, чем аренда высокопроизводительного чипа для обучения и запуска моделей ИИ у крупных облачных платформ.

Источник: Для просмотра ссылки Войди или Зарегистрируйся

 

[XUC]

Учёные заставили бактерии размножаться ради решения сложных задач​

Неподъёмные для классических компьютеров задачи оказались по плечу организованным колониям бактерий. Естественное размножение бактерий сродни процессу распараллеливания вычислений: при решении задач шифрования, обучении ИИ, а также в других математически сложных случаях бактерии оказываются эффективнее процессоров с заоблачными частотами.

Источник изображения: ИИ-генерация ChatGPT/3DNews​

Работу провела международная группа учёных под руководством исследователей из канадского Университета Макгилла (McGill University). Они создали экспериментальный биокомпьютер, в котором вычисления выполняются подвижными бактериями, самостоятельно исследующими сеть микроскопических каналов. Эта сеть представляет собой огромное множество вариантов решения задачи, но лишь единицы или даже один из них дают правильный ответ.
В отличие от традиционных процессоров, последовательно обрабатывающих варианты решения, предложенная система использует параллельное перемещение множества биологических агентов — бактерий. Ключевое преимущество такой платформы заключается в способности бактерий размножаться непосредственно во время вычислений, увеличивая количество одновременно работающих «вычислительных элементов».

Источник изображения: Nature 2026​

«Современные электронные компьютеры выполняют миллионы операций в секунду с помощью одного чипа, — поясняет Дэн Николау (Dan Nicolau), старший автор исследования и профессор биоинженерии. — При делении бактерий у нас одновременно работает миллион чипов. Чем больше чипов, тем быстрее можно решить задачу, даже если количество операций в секунду на каждом “процессоре” меньше». «Экспоненциальное деление бактерий может решить любую проблему. Это совершенно новый способ вычислений», — добавил он.
В качестве вычислительной задачи учёные выбрали NP-полную проблему Subset Sum (задачу, для решения которой может потребоваться чрезвычайно много ресурсов необходимо было определить, какие комбинации чисел из заданного набора дают определённую сумму. Для её решения изготовили микрожидкостную сеть из полидиметилсилоксана (PDMS), состоящую из множества соединённых каналов и специальных узлов.

Граф алгоритма из микроканалов​

Каждый возможный маршрут соответствовал определённой комбинации чисел, а разветвления и соединения каналов играли роль логических элементов, где буквально сама жизнь заставляла бактерии «подумать» и выбрать для дальнейшего развития колонии тот или иной путь.
Бактерии Escherichia coli HCB437 и Vibrio natriegens самостоятельно перемещались по сети, выбирая различные маршруты. Геометрию микроканалов и узлов проектировали так, чтобы управлять направлением движения бактерий и минимизировать ошибки. Для изготовления структур использовали электронно-лучевую литографию и травление кремниевой подложки, после чего полученную форму воспроизвели в пластике.
Поскольку основная ставка делалась на скорость размножения бактерий, выбор V. natriegens себя полностью оправдал: по мере продвижения по каналам бактерии быстро образовывали новые клетки, которые продолжали исследовать доступные маршруты. Таким образом, количество вычислительных агентов увеличивалось непосредственно в системе без необходимости предварительно загружать их в неё.
Эксперименты показали, что в узлах разветвления E. coli выбирала левое и правое направления с вероятностью 50,1 % и 49,8 % соответственно, тогда как у V. natriegens наблюдалось смещение в сторону левого направления — 61,1 % против 38,3 %. Вероятность ошибочного прохождения прямых узлов составляла 1,3 % для E. coli и 0,3 % для V. natriegens.
Наблюдая за перемещением бактерий и используя автоматизированный анализ изображений для отслеживания успешных маршрутов в сети, исследователи смогли определить комбинации, удовлетворяющие условиям задачи.

Схематическое и реальное представление логических узлов на графе​

По словам исследователей, биокомпьютер не призван заменить классические электронные или квантовые компьютеры, а скорее должен стать ресурсосберегающим и экономичным инструментом для нахождения ответов на задачи, которые ранее считались неразрешимыми.

«Наш метод предназначен для решения задач, которые не под силу электронным компьютерам, например для картирования структуры белков, — сказал Николау. — Сообщалось, что ИИ справился с этой задачей, но это верно лишь отчасти, поскольку он может только обрабатывать доступные данные. Мы предлагаем использовать эту технологию для решения проблем, а не для оценки на основе прошлой информации».

Источник Для просмотра ссылки Войди или Зарегистрируйся