به گزارش خبرگزرای مهر به نقل از فیز، رابط های مغز و ماشین(BMI) به عده ای از شرکت کنندگان ناتوان از حرکت کردن یا صحبت کردن در آزمایش ها، امکان داده تا فقط با فکر کردن ارتباط برقرار کنند. به طور دقیق تر یک دستگاه ایمپلنت سیگنال های عصبی مرتبط با افکار خاصی را ردیابی و به سیگنال های کنترلی تبدیل می کند که به یک رایانه یا عضو روباتیک ارائه می شوند.

هنگامی که BMI برای تشخیص فعالیت عصبی آموزش داده می شود، فکر فرد از طریق BMI برای حرکت دادن مکان نمای ماوس منتقل می شود. BMI های فعلی آزمایشی ممکن است از اندام های روباتیکی نیز تشکیل شده باشند که می تواند وظایف دستی را طبق دستور افکار یک فرد معلول به تنهایی انجام دهد.

سخت افزارهای مورد نیاز برای این قابلیت خارق العاده یک رایانه (جداگانه یا تعبیه شده در دستگاه روباتیک) و یک ایمپلنت در مغز فردی است که از فناوری مذکور برای منتقل کردن افکار خود استفاده می کند. درهمین راستا گروهی از محققان دانشگاه کل تک با همکاری آزیتا امامی پژوهشگر ایرانی از ایمپلنت هایی متشکل از ۱۰۰ میکروالکترود قرار گرفته روی تراشه ۴ در ۴ میلی متری استفاده کردند. این میکروالکترودها به طور معمول ۱.۵ میلیمتر طول دارند و به کورتکس مغز فرد نفوذ می کنند تا فعالیت های نورون های جداگانه را ثبت کنند.

متاسفانه کیفیت عملکرد این میکروالکترودها مداوم نیست و با گذر زمان کاهش می یابد. برای این منظور امامی و همکارانش از یادگیری ماشینی برای تفسیر دقیق سیگنال های عصبی که از ایمپلنت های قدیمی تر برداشت شده بودند، استفاده کردند.

امامی در این باره می گوید: ما نه تنها تغییرات روزانه بلکه کاهش عملکرد رابط مغز و تراشه طی گذر زمان که به دلایل مختلف رخ می داد را رصد کردیم. ممکن است حرکات کوچکی در ایمپلنت یا الکترودهای آن وجود داشته باشد. ممکن است این الکترودها از بین بروند یا بافت مغز آنها را دربر گیرد. برخی افراد نیز تصور می کنند با گذر زمان اعصاب از ایمپلنت دورتر می شوند. در هرحال سیگنال های دریافتی به دلایل مختلف مبهم تر می شوند.

هنگامیکه BMI برای نخستین بار در مغز نصب می شود میکروالکترودها سیگنالی تولید می کنند که پتانسیل عملکرد قدرتمندی را از خود نشان می دهد. وقتی میکروالکترودها دیگر سیگنال قدرتمندتی دریافت نکنند، بازخوردشان مبهم تر می شود و اسپایک های عصبی نیز با شفافیت ردیابی نمی شوند. در این وضعیت پیوند دادن یک الگوی فعالیت عصبی از نورون های دورتر به یک هدف خاص که می تواند با موفقیت به رایانه یا دستگاه دیگری منتقل شود، کار بسیار دشوارتر است.

محققان سعی کردند سیگنال های جایگزین را ردیابی کنند. یکی از روش های به کاررفته در این زمینه استفاده از طول موجی است که نوسانات کوچک در فعالیت های عصبی را اندازه می گیرد. اما موفقیت طول موج و روش های دیگر محدود بوده است.

اکنون امامی و همکارانش متوجه شده اند رابط های مغز و تراشه را با به کارگیری یادگیری ماشینی می توان طوری آموزش داد تا داده های فعالیت های عصبی را حتی پس از کاهش وضوح سیگنال یک ایمپلنت، ردیابی کند.