ムスク・ニューラリンクに挑戦！スタンフォード大学の新しい脳コンピューターインターフェースは脳とシリコンベースのチップを直接接続する

[[319624]]

最近、スタンフォード大学の研究者らは、脳をシリコンベースの技術に直接接続できる新しい脳コンピューターインターフェースデバイスを開発した。 脳コンピューターインターフェースデバイスはすでに存在し、義肢、病気の治療、脳の研究に使用されていますが、この最新のデバイスは、既存のデバイスよりも侵襲性が低く、より多くのデータを記録できます。

「これまで、これらの 2D シリコン エレクトロニクスを脳の 3D 構造に適合させた人は誰もいませんでした」と、スタンフォード大学の材料科学および工学の大学院生、アブドゥルマリク オベイド氏は語ります。「私たちは、従来のチップ製造方法を捨て、シリコン エレクトロニクスを 3D 空間に持ち込むための新しいプロセスを設計する必要がありました。しかも、それを大規模に簡単に適用できる方法で実行する必要がありました。」

[[319625]]

アブドゥルマリク・オベイド（左）、ニック・メロシュとマイクロワイヤーアレイ

革新的な設計方法により、神経活動の大規模な記録が可能に

この論文は3月20日、サイエンス・アドバンス誌に掲載された。論文で説明されている脳コンピューターインターフェース装置には、人間の最も細い髪の毛の幅の半分以下のマイクロワイヤーの束が含まれている。これらの細いワイヤーは脳にそっと挿入され、外側のシリコンチップに直接接続され、神経の電気活動を動画で撮影するのと同じように、各ワイヤーによって伝達される脳の電気信号を記録します。現在のバージョンのデバイスには数百本のマイクロワイヤが含まれていますが、将来のバージョンでは数千本になる可能性があります。

(a) マイクロ配線ハーネスに統合された CMOS チップの概略図。ハーネスは、CMOS ピクセル (b) と接触するための近位端 (チップ) と、組織の活動 (c) を記録するための遠位端 (脳) で構成されています。近位端には、チップと接触するための部分的に露出した金属ワイヤがあり、遠位ワイヤは挿入時の損傷を最小限に抑えるために分離されています。 (d) 100μm間隔で配置された800本のマイクロワイヤの束。デバイス幅は0.6cm未満で、小動物の研究に適しています。

スタンフォード大学の材料科学および工学の教授で論文の共著者でもあるニック・メロッシュ氏は、電気信号は脳の活動を観察する最も強力な方法だと述べた。「このマイクロワイヤーアレイを使えば、個々のニューロンのレベルで何が起こっているかを見ることができます。」

[[319626]]

マイクロワイヤアレイのクローズアップ

この装置は、上部にシリコンチップ、下部に脳に優しく差し込むワイヤーを備えており、研究者が活動中のニューロンを画像化するのに役立ちます。

研究者が直面した大きな課題は、このアレイをどのように構築するかでした。主な構成要素が何百本もの細いワイヤーであっても、強くて耐久性がなければなりません。解決策は、各ワイヤーをバイオセーフポリマーで包み、金属ループで束ねることです。

既存の脳コンピューターインターフェースデバイスは、100 チャネルの信号を提供する 100 本のワイヤに制限されており、各チャネルを手作業で慎重に配列する必要があります。

[[319627]]

通常、アレイの設計と製造には研究者が数年かかりますが、スタンフォードの設計は既存の高密度記録デバイスとはまったく異なり、アレイの形状、サイズ、密度は製造プロセス中に簡単に変更できます。 「ほぼすべての3Dアレイは、異なる深さの異なる脳領域から同時に記録するために使用できます」と、神経外科および神経学の助教授で論文の共著者であるジュン・ディン氏は述べた。 「この技術が広く応用されれば、健康と病気における脳の機能についての理解が大幅に向上する可能性がある。」

研究者らは、マウスの網膜での初期テストの後、アレイの耐久性と大規模バージョンの性能を調べるために長期追跡も実施している。この技術が実現可能であることが証明されれば、人工装具の性能向上や言語や視力の回復などに役立つだろう。

脳コンピューターインターフェースとは一体何でしょうか?

ブレイン・コンピュータ・インターフェースとは、「脳」＋「機械」＋「インターフェース」の略で、人間や動物の脳（または脳細胞培養物）と外部デバイスとの間で作られる情報交換の経路のことです。

[[319628]]

映画「アバター」では、主人公が機械を使って自分の精神を別の非人間の体に直接移植します。彼はこの非人間の体を意のままに制御でき、すべての知覚と制御能力を備えており、脳コンピューターインターフェースの主な機能を実証しています。

脳コンピューターインターフェースのいくつかの基本モジュール:

コレクション：

• 侵襲的: このタイプの脳コンピューターインターフェースは通常、脳の灰白質に直接埋め込まれるため、得られる神経信号の品質は比較的高くなります。しかし、欠点としては、免疫反応やカルス（瘢痕）が誘発されやすく、信号品質の低下や消失につながる可能性があることです。スタンフォード大学の研究は、このカテゴリーに該当します。
• 部分的侵襲性: インターフェースは通常、頭蓋腔内、ただし灰白質の外側に埋め込まれます。その空間解像度は侵襲的な脳コンピューターインターフェースほど良くはありませんが、非侵襲的なものよりは優れています。もう一つの利点は、免疫反応や角質化を誘発する可能性が低いことです。これは主に皮質電気記録法 (ECoG) を使用した情報分析に基づいています。
• 非侵襲性：脳内に入らず、帽子のように人体に装着する便利な方法です。ただし、頭蓋骨による信号の減衰や、ニューロンから放出される電磁波の分散やぼかしの影響により、記録される信号の解像度は高くありません。信号波は検出できますが、信号を発する脳領域や関連する個々のニューロンの発火を特定することは困難です。

デコード: 数学では、干渉信号の処理に PCA 主成分分析と独立成分分析 (ICA) が一般的に使用され、EGG、皮質脳波 (ECoG) などのモデルが分析に使用されます。

再エンコード: エンコード方法は、実行したい内容によって異なります。たとえば、ロボットアームを制御してコーヒーカップを手に取ってコーヒーを飲むには、ロボットアームの動作信号をエンコードする必要があります。

関連リンク: https://zhuanlan.zhihu.com/p/26057046

マスク氏のお気に入りの脳コンピューターインターフェースを 500 ドルで試してみましょう!

イーロン・マスクの Neuralink の最新の脳コンピューターインターフェース技術は、次の 4 つの側面に分かれています。

1. スレッド – 米国国立研究所の Vanessa Tolosa が開発した単一のマルチコンタクトフレキシブル電極。
2. ロボット - 皮質にスレッドを埋め込む外科用ロボット。
3. エレクトロニクス: フィルタリング、デジタルからアナログへの変換、スパイクの検出を行う電子部品。代表的な技術は、DJ Seo の N1 センサーです。DJ Seo は以前、カリフォルニア大学バークレー校で Neural Dust プロジェクトに携わっていました。
4. アルゴリズム - カリフォルニア大学サンフランシスコ校のフィリップ・セイブス教授が開発した脳コンピューターインターフェースアルゴリズム。

このうちの一部はフィリップ・セイベスが担当しています。サベス氏は名門大学を卒業し、ケンブリッジ大学で2年間数学を学び、MITで博士号を取得した後、カリフォルニア工科大学で博士研究員として働きました。現在はカリフォルニア大学サンフランシスコ校の教授であり、真の神経科学の専門家とみなされています。

[[319633]]

画像出典: https://profiles.ucsf.edu/philip.sabes

ニューラリンクは、身体の動きの制御を担う一次運動野、背側運動前野、補足運動野、身体の感覚を担う体性感覚野に電極を埋め込むことを計画している。

画像出典: Neuralink 記者会見

インテルのソフトウェア エンジニアであり、カリフォルニア大学デービス校でコンピューター サイエンスを専攻し生物学の講師も務める、テクノロジーと AI の愛好家でもある Jag Singh 氏は、OpenBCI Ganglion ボードを活用しました。このボードは、わずか 500 ドルで、MIT チームがすでに持っているバージョンとそれほど変わらないエクスペリエンスを実現し、ナビゲーション、Web クエリ、テキスト メッセージング、スマート ホーム管理、またはさまざまな日常的なタスクに使用できます。

マスクの脳コンピューターインターフェースに挑戦！ロシアの最も強力な心を読む技術は、脳波を通じてあなたが見ているものを知ることができる

この研究は、ロシアの企業ニューロボティクスとモスクワ物理工科大学（MIPT）の研究者によって行われた。彼らは人工ニューラルネットワークと脳波（EEG）を利用した脳コンピューターインターフェースを開発した。 EEG は、頭皮に置いた電極を介して脳波を記録する技術です。このシステムは脳の活動を分析し、EEG 検査を受けている人が見ているものをリアルタイムで再現します。効果は以下のとおりです。

研究者らは、別々にトレーニングされた 2 つのディープラーニング ネットワークで構成されるディープラーニング モデルを開発しました。1 つは異なるカテゴリの画像をデコードするためのもので、もう 1 つは EEG の特徴を画像デコーダーの空間領域に変換するためのものです。

実験の最初の部分では、神経生物学者は健康な被験者にYouTube動画の10秒間のクリップを合計20分間視聴してもらいました。

チームは 5 つのビデオ カテゴリを選択しました。研究者たちは、EEGデータを分析することで、各タイプのビデオの脳波パターンが異なることを発見した。これにより、研究チームはビデオに対する脳の反応をリアルタイムで分析することができました。

実験の第 2 フェーズでは、元の 5 つのカテゴリから 3 つのカテゴリがランダムに選択されました。研究者らは、2 つのニューラル ネットワークを開発した。1 つは「ノイズ」からクラス固有の画像をランダムに生成するためのもので、もう 1 つは EEG から同様の「ノイズ」を生成するためのものである。その後、研究チームは、EEG 信号を被験者が実際に見た画像に似た画像に変換する方法でネットワークが連携して機能するようにトレーニングしました。

脳コンピュータインターフェース（BCI）システムの動作アルゴリズム

電子機器を心でコントロールしましょう！ NextMind が 399 ドルの脳コンピューターインターフェース開発キットを発売

[[319636]]

NextMind は、視覚皮質からの信号をデジタル コマンドに変換し、ユーザーがコンピューターや AR/VR ヘッドセットに視覚的にコマンドを入力できるようにする脳コンピューター インターフェイスを開発しており、開発者やパートナーにクローズド ベータ アクセス付きの開発キットを 399 ドルで提供しています。

NextMind のデバイスの重量は約 60 グラムで、脳の活動を測定する 8 つの電極を備えています。 NextMind は 2 つのトラックを並行して処理し、ユーザーの意図をデコードして完了します。トラック 1 は視覚的な意図、トラック 2 は視覚的な想像力です。 。

NextMind が発明したこの新しい方法は、デジタル ニューラル同期と呼ばれ、意図そのものをデコードするのではなく、意図の出力のみをデコードします。たとえば、ユーザーがオブジェクトにもっと注意を向けると、オブジェクトと脳の間に神経共鳴が起こります。ユーザーが集中すればするほど共鳴は大きくなり、機械学習によるデコードも進みます。デバイスは、ユーザーがオブジェクトを動かしたり、特定の視覚コンテンツをアクティブにしたりしたいことを認識します。

[[319637]]

これはアイトラッカーとは根本的に異なります。現在、NextMind のデバイスは目を閉じると使用できませんが、将来的には改善される予定です。

視覚野は、ユーザーが外界からの入力を受け取る領域であると同時に、ユーザーの記憶、想像、夢が出力される領域でもあることが判明しました。ユーザーに視覚認識を提供する視覚皮質のニューロンは、外部情報を処理するために使用されるニューロンです。

NextMind は、同じハードウェア上で両方のトラックを同時に使用するために追加の機器は必要ないと主張しています。異なるソフトウェアとアルゴリズムは、異なるタスクを処理するだけです。

脳コンピュータインターフェースは、神経科学、コンピュータサイエンス、人間工学などを必要とする複雑な学際的な科目です。研究するのは困難ですが、必要でもあります。脳コンピュータインターフェースを通じて、超音波などの非人間的知覚を人間の知覚に変換することができ、将来は明るいです。