Коллективные процессы активности и управления в нейроморфных динамических сетях

Нейроморфные динамические сети повторяют иерархическое строение реальных нейронных систем, учитывают структуру и свойства индивидуальных нейронов и межнейронных связей. Под руководством В. И. Некоркина и В. Б. Казанцева выполнен цикл теоретических и экспериментальных исследований коллективной пространственно-временной активности нейроморфных динамических сетей.

Регулярные и полиморфные локализованные структуры активности в двумерной нейронной сети

При исследовании коллективных процессов возбуждения в двумерной сети модельных нейронов со сложнопороговыми свойствами обнаружены пространственно-локализованные регулярные и полиморфные структуры активности, представляющие собой уединенные группы нейронов в состоянии синхронной генерации потенциалов действия. Форма возбужденной области регулярной структуры не зависит от времени. Напротив, форма возбужденной области полиморфной структуры может совершать периодические, квазипериодические или хаотические колебания. Показана возможность распространения как одиночных структур, так и связанных состояний из нескольких структур. Установлено, что ключевое значение для формирования регулярных структур имеет наличие у элементов сети осцилляторного порога возбуждения, а полиморфных – «баланса» между ростом размера структуры в поперечном к движению направлении и подавляющим активность действием граничных элементов сети, локализованных в продольном направлении (В. И. Некоркин, А. С. Дмитричев).

Моментальные снимки регулярных (слева) и полиморфных (справа) структур в двумерной сети

Клеточные автоматы на ориентированных графах синаптических связей в исследовании активности возбудимых нейронных сетей

Разработан новый метод, позволяющий описать и исследовать динамику нейронных сетей с возбуждающими синаптическими связями. В основе метода лежит редуцирование непрерывной динамики нейронных сетей к дискретной динамике клеточных автоматов, построенных на ориентированных графах синаптических связей. Предложенная схема редукции базируется на использовании динамических свойств синапсов и не зависит от индивидуальной динамики нейронов. Результатом редукции является дискретная модель в виде клеточного автомата, в которой каждый синапс описывается ограниченным набором состояний и определены правила, по которым синапс переходит из одного состояния в другое. Режимы коллективной динамики исходной нейронной сети устанавливаются из анализа состояний клеточного автомата. Метод является достаточно универсальным, может быть использован для описания процессов в разнообразных нейронных сетях и апробирован на примерах ансамблей нейронов Моррис – Лекара и Ходжкина – Хаксли (А. С. Дмитричев, Д. В. Касаткин, В. И. Некоркин).

Архитектура нейронной сети (а) и соответствующий граф синаптических связей (б). Фрагмент бассейна притяжения периодического аттрактора клеточного автомата (в). Состояния клеточного автомата и паттерны спайковой активности нейронной сети (г)

Генерация моторных паттернов и их перестройка по сенсорному сигналу в нейродинамической системе управления шагающего робота

На основе изучения динамики оливомозжечковой системы и таламокортикальных взаимодействий реализована система многопараметрического управления, использующая нелинейные динамические механизмы формирования фазовых кластеров. Разработан электронный прототип системы для управления шагающим роботом. Схема управления построена на основе сети взаимодействующих нелинейных осцилляторов со свойством фазовой автопереустановки. Моторные паттерны формируются в виде шаблонов синхронных колебаний с заданным фазовым сдвигом между осцилляторами.

Шагающий робот

На основе базовых шаблонов, задающих направления движения робота и обработку входного сенсорного сигнала, поступающего с камеры, система формирует новые моторные шаблоны для робота (Д. С. Щапин, А. С. Дмитричев, В. Б. Казанцев, В. И. Некоркин).

Разработка моделей и макетов нейрогибридных систем

Разработан макет мультиэлектродного нейробиосенсора, способного регистрировать биоэлектрические сигналы культуры, выделять и классифицировать паттерны активности, вырабатывать сигнал управления на исполнительные устройства и стимуляции по сенсорному сигналу обратной связи. Разработан новый метод классификации паттернов на основе анализа паттернов активации и деактивации биоэлектрических разрядов культуры. Показано, что паттерны активности культуры обладают воспроизводимостью пространственно-временной структуры и временным масштабированием (скейлингом). Разработана модель спонтанной биоэлектрической сигнализации сети, и показано, что такие разряды подчиняются статистике самоорганизованной критичности и соответствуют перколяционному переходу в нейронной сети. Установлено, что благодаря эффекту синаптической пластичности в нейронных сетях могут быть реализованы полихронные импульсные последовательности с возможностью получения любых значений фазовой задержки передачи импульсного сигнала от нейрона к нейрону.

Макет нейрогибридной системы на основе мультиэлектродного нейробиосенсора

Разработаны модели внеклеточной регуляции активности нейрональных сетей за счет воздействия глиальных клеток (астроцитов) и внеклеточного матрикса мозга. Установлено, что такие воздействия могут адаптивно изменять эффективность межнейронных связей и это приводит к возможности управления передачей сигналов в нейронной сети с помощью химических (внеклеточных) факторов.

Нейроны мозга на мультиэлектродной матрице (слева) и сигнал с одного из электродов

Разработана модель «виртуальной нейронной сети», способная описать формирование реалистичных нейронных архитектур в развитии на основе описания процессов диффузионного транспорта строительных белков и навигации конуса роста отростков нейронов.

Флуоресцентное изображение диссоциированной культуры нейронов (14-й день развития in vitro, масштаб 40 мкм). Зеленый цвет – нейроны, оранжевый цвет – глиальные клетки (астроциты)

Целью этих исследований является создание моделей и макетов нейрогибридных устройств, построенных на основе интерфейса живой нервной ткани (диссоциированных нейронных культур in vitro) и искусственных исполнительных устройств – мобильных роботов (В. Б. Казанцев, И. В. Мухина).

Виртуальная нейронная сеть