Биомембранные исследования могут продвинуть понимание вычислений и человеческой памяти

Учёные из Национальной лаборатории Ок-Ридж Министерства энергетики США, изучая, как биоинспирированные материалы могут повлиять на дизайн компьютеров следующего поколения, достигли беспрецедентного результата. Он может иметь большое значение как для периферийных вычислений, так и для здоровья человека.

Результаты, опубликованные в Proceedings of the National Academy of Sciences, показывают, что искусственная клеточная мембрана способна к долговременной потенциации (LTP) — ключевому признаку биологического обучения и памяти. Это первое свидетельство того, что сама по себе клеточная мембрана — без белков или других биомолекул внутри неё — способна к LTP, сохраняющейся в течение многих часов. Это также первая идентифицированная наноструктура, в которой может быть закодирована память.

"Когда объекты были закрыты из-за COVID, это заставило нас отойти от наших обычных исследований мембран", — сказал Джон Катсарас, биофизик из ORNL.

Исследователи решили пересмотреть систему, ранее изученную Пэтом Коллиером и его коллегами, используя новый протокол электрической стимуляции, который они назвали «тренировкой». Это привело к данным, практически неотличимым от сигнала LTP, наблюдаемого в человеческом мозге.

Кодирование памяти в наномасштабных системах может продвинуть разработку вычислительных материалов и архитектур следующего поколения, стремящихся соответствовать эффективности и гибкости человеческого познания — так называемых нейроморфных компьютеров. Это не только изменит искусственный интеллект, но и кардинально повысит энергоэффективность и вычислительные возможности устройств.

"Память и логика в мозге переплетены, — сказал Коллиер. — Но в современных компьютерах эти функции происходят в разных местах — узкое место, которого нет у мозга".

Даже у современных суперкомпьютеров есть отдельные места для обработки и памяти. Объединив эти функции, нейроморфные компьютеры могли бы помочь справиться с экспоненциально растущими наборами данных. Это также значительно продвинуло бы периферийные вычисления — способность устройства выполнять свою логику на месте сбора данных без отправки информации на центральный сервер или в облако.

Кроме того, учёные ещё не идентифицировали наноструктуру в мозге, где хранится память. Клеточные мембраны упускались из виду как структуры, в которых может кодироваться информация, хотя липиды, основной компонент мембран, составляют большую часть массы мозга.

Неожиданный результат достижения LTP в чистой липидной мембране инициирует пересмотр того, где и как память хранится в живом мозге. Если нейронные клеточные мембраны окажутся критическим элементом человеческой памяти, это может привести к новым методам лечения для более чем миллиарда людей во всем мире, живущих с неврологическими расстройствами.

"Если нейробиологи найдут доказательства этого в мозге, это может кардинально изменить наше понимание деменции и обучения, — сказал Катсарас. — Мембрана может стать новой терапевтической мишенью для болезней мозга, не поддающихся лечению препаратами, нацеленными на белки".

В этом исследовании наномасштабные системы создают искусственную мембрану, соединяя две микрометровые капли воды, покрытые липидами, в масляной суспензии. На границе раздела двух капель формируется липидный бислой, имитирующий клеточные мембраны нейронных синапсов в человеческом мозге.

Предыдущие исследования ORNL показали, что эта биомембранная система способна накапливать электрический заряд, но только на короткое время. В новом исследовании наличие LTP открывает новые пути для использования этой мягкой материальной системы в нейроморфных устройствах или в качестве модели для создания твердотельных устройств с аналогичными функциями.

"Теперь, когда мы начали определять электрические протоколы для индукции LTP в липидных бислойных мембранах, мы готовимся создать архитектуры с двумя терминалами, в которых взаимодействуют несколько наномасштабных мембран, что позволит выполнять активную логику, а не только пассивное хранение", — сказал Коллиер.

Помимо сотрудничества с нейробиологами для изучения биомедицинских последствий этого открытия, будущая работа над нейроморфными вычислениями будет включать симуляции и использование передовых возможностей ORNL в области нейтронных исследований и вычислений.