В предыдущей части нами довольно детально было продемонстрировано, что в клеточных автоматах могут формироваться волны с характерным внутренним рисунком. Эти волны способны инициироваться в любой точке клеточного автомата и распространяться по всему пространству, передавая информацию. Возникает предположение о том, что мозг живого организма может использовать подобные механизмы. Для более глубокого понимания этой аналогии необходимо рассмотреть принципы функционирования нейронов в реальном мозге. Мозг состоит из серого и белого вещества. Серое вещество включает в себя структуры мозга, образованные нейронами и глиальными клетками. Белое вещество представлено аксонами нейронов, которые также называются нервными волокнами. Эти волокна обеспечивают связь между различными структурами мозга. Структуры, расположенные ближе к центру мозга, относят к древнему мозгу.

Читать далее →

Американские биохимики достигли прорыва в синтезе спидроина — основного компонента паутины. Используя рекомбинантную ДНК и метод сплайсинга белков, они смогли создать полипептид с молекулярной массой более 500 килодальтон, что вдвое превышает размер естественных молекул спидроина. Полученные нити из этого синтезированного белка демонстрируют механические свойства, сопоставимые с натуральной паутиной: прочность на разрыв, эластичность и жесткость. Паутина известна своей исключительной прочностью, достигающей 1,3 гигапаскаля, что превосходит прочность некоторых сортов стали. Ранее синтез нитей из спидроина в лабораторных условиях сталкивался с трудностями из-за сложности разведения пауков и достижения необходимых механических характеристик. Данное исследование открывает новые возможности для создания биосовместимых материалов с уникальными свойствами, вдохновленных природой.

Читать далее →

Давайте начнем обсуждение работы мозга с рассмотрения абстрактной концепции в виде так называемого клеточного автомата. В общем простейший клеточный автомат представляет собой простую дискретную модель, которая должна моделировать структуру регулярной решетки ячеек, возможные состояния этих ячеек и правила их изменения. Каждая ячейка может находиться в ограниченном числе состояний, например, 0 или 1. Для каждой ячейки определяется окрестность, включающая ее непосредственных соседей. Состояние ячейки в следующем шаге определяется состоянием ее соседей и ее собственным текущим состоянием. Наиболее известным примером клеточного автомата является игра “Жизнь”. В этой игре поле состоит из ячеек, каждая из которых имеет восемь соседей. Игра начинается с заданной начальной конфигурации ячеек. Далее происходит пошаговая смена поколений. Если у занятой ячейки два или три соседа также находятся в активном состоянии, то она сохраняет свое состояние.

Читать далее →

Ученые из Тель-Авивского университета разработали новый метод быстрого и точного определения энтропии сложных систем без использования каких либо дополнительных предположений. Суть метода заключается в отображении системы на одномерную цепочку, после чего вычисляется степень её сжатия без потери какой либо информации. Полученное таким образом значение интерпретируется как мера энтропии. Эффективность алгоритма была проверена на пяти модельных системах, где энтропия может быть рассчитана аналитически. Результаты показали, что погрешность предложенного метода не превышает нескольких процентов. Кроме того, авторы работы продемонстрировали возможность применения данного подхода для решения задачи фолдинга белков. Статья с подробным описанием метода опубликована в журнале Physical Review Letters. В термодинамике для полного описания состояния системы достаточно знать две функции: энтропию и энтальпию.

Читать далее →

Прежде чем мы приступим к рассмотрению представленных здесь материалов, позвольте сделать несколько очень важных замечаний.  Исследование мозга представляет собой уникальную область научного знания. Здесь, в отличие от других естественных наук, где фундаментальные теории служат основой для дальнейших исследований, нейронауке пока не удалось сформулировать единую теорию, которая бы объясняла принципы обработки информации в нейронных структурах мозга. Несмотря на значительный объем накопленных данных о физиологии мозга и обнадеживающие результаты, полученные в области искусственных нейронных сетей, до сих пор не удается установить четкую связь между этими двумя областями. Существующие модели биологических нейронных сетей существенно отличаются от архитектур современных искусственных нейронных сетей. Не должна вводить в заблуждение распространенная фраза о том, что многие идеи искусственных нейронных сетей позаимствованы из исследований реального мозга.

Читать далее →

Исследователи Тюменского государственного университета разработали концепцию нового типа нейропроцессора, который они назвали биоморфным. Данный вид процессора может моделировать информационные процессы, которые происходят в коре головного мозга человека, вплоть до уровня отдельных колонок кортекса. Нейропроцессоры – это весьма специализированные микропроцессоры, предназначенные для ускорения работы алгоритмов, используемых в области искусственного интеллекта, таких как нейронные сети, компьютерное зрение и машинное обучение. Под биоморфным нейропроцессором ученые ТюмГУ подразумевают автономное аппаратное устройство, способное решать задачи, связанные с нейронными сетями. Его разработка будет основана на биоморфной электрической модели нейрона Ходжкина-Хаксли.

Читать далее →