Нижегородские ученые показали, как с помощью нейросети воссоздавать динамику нейрона мозга, имея всего один ряд измерений. Исследование провели на примере использования одной лишь записи его электрической активности. Об этом рассказали в пресс-службе НИУ ВШЭ в Нижнем Новгороде. Нейроны — это клетки, с помощью которых мозг обрабатывает информацию и передает сигналы.
Они могут общаться друг с другом и передавать информацию через электрические импульсы, тем самым заставляя нейроны замедляться или активироваться. Сами заряженные частицы — ионы — проходят через мембрану нейронов так же с помощью электроимпульсов.Чтобы исследовать работу нейронов, ученые прибегают к использованию математических моделей, а для предсказания их поведения измеряют несколько параметров и характеристик: например, напряжение на мембране, токи разных ионов, состояние каналов клетки.
Исследователи НИУ ВШЭ и Саратовского филиала ИРиЭ им. Котельникова РАН выяснили, что для этого достаточно учитывать лишь одну характеристику — электрический потенциал мембраны нейрона, а все остальные данные можно восстановить с помощью нейросети.
Сперва ученые проанализировали, как изменяется потенциал нейрона во времени. Эти данные передавались в нейросеть — вариационный автокодировщик, который выделял в них ключевые закономерности, отбрасывал лишнее и на выходе выдавал набор характеристик, описывающих состояние нейрона. На втором этапе нейросеть уже другого типа — нейросетевое отображение — использовала эти характеристики, чтобы предсказать, как нейрон поведет себя дальше.
«Обычно восстанавливаемые по данным модели основаны на полиномиальных уравнениях небольшого, 4 – 5‑го порядка — они обладают ограниченной нелинейностью, то есть не могут описывать очень сложные зависимости без увеличения погрешности, — рассказывает ведущий научный сотрудник факультета информатики, математики и компьютерных наук НИУ ВШЭ в Нижнем Новгороде Павел Купцов. — В новом методе вместо полиномов используются нейросети. Их нелинейность задается сигмоидами — плавными функциями от 0 до 1, которым соответствуют полиномиальные уравнения (ряды Тейлора) бесконечно большого порядка. Это делает моделирование гибче и точнее».
Как правило, чтобы составить модель сложной системы, необходимо иметь все параметры, но в реальности получить их трудно. В экспериментах, особенно в биологии и медицине, данные часто бывают неполными или зашумленными. В своем подходе ученые показали, что, используя нейросеть, даже при ограниченном количестве данных можно восстановить недостающие величины и спрогнозировать поведение системы.
При моделировании нейросеть не просто повторила режимы системы, на которых ее обучали, но и выявила новые. Один из них связан с переходом от серии частых импульсов к одиночным всплескам. Такие переключения возникают при изменении параметров, но нейросеть обнаружила их сама, не видя таких примеров в обучающих данных. Это значит, что нейросеть не просто запоминает примеры, а действительно распознает скрытые закономерности.
Сейчас нейросеть работает на данных, сгенерированных компьютером. В будущем исследователи намерены использовать ее на реальных экспериментальных данных. С помощью этого можно будет изучать сложные динамические процессы, где нельзя заранее задать все возможные сценарии.
Ранее на сайте pravda-nn.ru сообщалось, что нижегородские эксперты рассказали, что такое индустрия Death Tech.
Свежие комментарии