30 January 2024, 12:00

Цифровые астроциты улучшили память нейросети на 20%

Наш мозг очень быстро реагирует на то, что происходит в окружающем мире: на сигналы опасности, например красный свет светофора, а также нейтральные или положительные стимулы, такие как знакомые лица. Он также в разы эффективнее и быстрее всех существующих компьютерных алгоритмов обрабатывает информацию и учится. Поэтому ученые стремятся создать искусственную нейронную сеть, максимально точно воспроизводящую работу головного мозга. Классические нейросети состоят из простых элементов, взаимодействующих друг с другом подобно естественным нервным клеткам. Однако это упрощенная модель, поскольку в головном мозге, помимо нейронов, есть множество клеток других типов, обобщенно называемых глией. Одни из важнейших компонентов глии — астроциты. Это клетки-«помощники», которые питают нейроны и выделяют вещества, регулирующие передачу электрических импульсов. Также эти клетки участвуют в запоминании информации, а также ее закреплении в памяти.

Цифровые астроциты улучшили память нейросети на 20%
Тренировка и тестирование алгоритма
Source: Gordleeva et al. / IEEE Transactions on Neural Networks and Learning Systems, 2023

Ученые из Нижегородского государственного университета имени Н. И. Лобачевского (Нижний Новгород) с коллегами из Королевского колледжа Лондона (Великобритания) предположили, что, если включить в нейронную сеть элементы, имитирующие астроциты, можно оптимизировать ее работу.

Авторы разработали модель, состоящую из элементов, имитирующих нейроны и астроциты. Предложенную нейросеть можно разделить на три слоя: пирамидальные нейроны, воспринимающие сигналы; вставочные нейроны, распространяющие эти сигналы по сети; и астроциты. При этом между искусственными нейронами передаются сигналы, подобные электрическим импульсам, а между астроцитами и от них нейронам — сигналы, воспроизводящие химические вещества, которые выделяются естественными клетками в головном мозге.

Авторы обучили алгоритм распознавать изображения с цифрами и буквами, закодированные в наборе двоичных данных (сочетаниях 0 и 1). Сначала в обучении исследователи задействовали только пирамидальные и вставочные нейроны. Далее авторы подключили к обучению всю систему «искусственных клеток» — как нейроны, так и астроциты, после чего сравнили качество двух вариантов обучения, оценив, насколько корректно нейросеть «вспоминает» — то есть воспроизводит по численному коду — изображения, показанные ей ранее. Оказалось, что нейросеть с астроцитами «запоминала» информацию на 20% лучше. Это значит, что такой алгоритм смог воспроизвести большее количество ранее «изученных» картинок по двоичному коду. Это объясняется тем, что клетки-помощники посылают нейронам дополнительные активирующие сигналы, тем самым облегчая взаимодействие между нейронами и вовлекая их в запоминание.

«Предлагаемая нами модель может использоваться при создании нейроморфного, то есть подобного человеческому мозгу, искусственного интеллекта, работающего более энергоэффективно, чем любые другие алгоритмы. Кроме того, нашу нейросеть можно использовать для моделирования процессов, происходящих в головном мозге, в частности передачи сигналов между нейронами и астроцитами. Это позволит лучше понять причины некоторых когнитивных нарушений и разработать подходы к их лечению. В дальнейшем мы попробуем учесть в модели психоэмоциональные процессы, характерные для человеческого мозга, такие как стресс и эмоции, поскольку они существенно влияют на качество запоминания», — рассказывает руководитель проекта, поддержанного грантом РНФ, Сусанна Гордлеева, доктор физико-математических наук, заведующая научно-исследовательской лабораторией нейродинамики и когнитивных технологий.

Результаты исследования, поддержанного грантом Президентской программы Российского научного фонда (РНФ), опубликованы в журнале IEEE Transactions on Neural Networks and Learning Systems.

Source:  Пресс-служба РНФ

News article publications

Read also

Тяжелое течение COVID-19 мешает астроцитам работать синхронно
Это удалось выяснить при помощи математической модели, имитирующей работу нейронных сетей головного мозга у больных
Mathematical modeling
Neural networks
Neuroscience
Virology
10 July 2023
Математики МГУ предложили нейросеть для эффективного мониторинга качества дорожного покрытия.
Разработка точно и надежно обнаруживает трещины на изображениях дорожного полотна, превосходя аналоги по эффективности и скорости
Mathematical modeling
Neural networks
20 January 2022
Микроволновые разряды помогут управлять сверхзвуковыми летательными аппаратами
Физики и механики разработали теоретическую модель, описывающую процесс формирования нитевидных микроволновых разрядов в газах. В этом случае газ нагревается до температур порядка 830°С и выше, и в нем формируется большое количество заряженных и возбужденных частиц. Это явление можно использовать в аэродинамике и космонавтике, чтобы воздействовать на потоки газа вблизи летательных аппаратов и тем самым управлять полетом, поскольку эти структуры влияют на скорость и траекторию движения аппарата.
Cosmonautics
Mathematical modeling
Plasma Physics
Space
22 March 2024
Примеси брома и йода увеличили отклик 2D-материала на электромагнитное излучение
Ученые синтезировали 2D-материалы, состоящие из очень тонкого слоя органического вещества на поверхности неорганического. Добавление примесей брома и йода позволило повысить прочность связи между слоями на 35%, что увеличило стабильность материала. Его отклик на электромагнитное излучение также повысился — на 15%. Предложенная технология может использоваться при разработке материалов для оптоэлектроники и сенсорики.
Neural networks
Quantum Chemistry
Synthesis
27 December 2023
Микробы в вечной мерзлоте могут помешать резкому потеплению климата
Ученые выяснили, что высокое разнообразие микроорганизмов, населяющих зону вечной мерзлоты, может значительно снизить скорость потепления атмосферы у поверхности Земли. По мере таяния многолетнемерзлых грунтов микробы начинают выделять метан и, если видов бактерий мало, в определенный момент произойдет массовый выброс этого парникового газа. Высокое же видовое богатство приведет к меньшему — в масштабе нескольких градусов — нагреву воздуха планеты.
Geology
Mathematical modeling
Microbiology
13 December 2023
Новый геометрический метод позволит детальнее исследовать структуру кристаллов
Ученые разработали метод для наглядного анализа сложных кристаллических структур. Он заключается в том, чтобы представлять молекулы в виде многогранников — полиэдров, — по площадям граней которых можно количественно оценивать связи между атомами. Точные данные о строении кристаллов будут полезны для создания материалов с управляемыми свойствами, которые используются, в частности, для легких органических устройств. Например, уже сегодня предложены сенсоры движения воздуха, созданные на основе молекулярных кристаллов.
Crystallography
Mathematical modeling
Mathematics
14 October 2023