From Neurons to Computation: Biological Reservoir Computing for Pattern Recognition

要約

この論文では、培養された生物学的ニューロンのプールを貯水池基板として活用し、生物学的貯水池コンピューティング（BRC）を作成する貯水池コンピューティング（RC）の新しいパラダイムを紹介します。
このシステムは、従来の人工計算単位でモデル化されるのではなく、神経活動が培養ニューロンのネットワークによって生成されるという重要な区別とともに、エコー状態ネットワーク（ESN）と同様に動作します。
ニューロン活動は、多電極アレイ（MEA）を使用して記録され、神経信号のハイスループット記録を可能にします。
私たちのアプローチでは、MEA電極のサブセットを介して入力がネットワークに導入され、残りの電極は結果の神経活動をキャプチャします。
これにより、入力データが高次元の生物学的特徴空間への非線形マッピングが生成され、データ間を区別することがより効率的かつ簡単になり、単純な線形分類器がパターン認識タスクを効果的に実行できるようになります。
提案されたシステムのパフォーマンスを評価するために、位置コード、異なる方向のあるバー、桁認識タスクなど、さまざまな入力パターンを含む実験的研究を提示します。
この結果は、生物学的ニューラルネットワークを使用して、人工ニューラルネットワークによって伝統的に処理されたタスクを実行し、生物学的にインスパイアされたコンピューティングシステムのさらなる調査への道を開いて、神経形成工学とバイオハイブリッドコンピューティングの潜在的なアプリケーションを備えている可能性を示しています。

要約(オリジナル)

In this paper, we introduce a novel paradigm for reservoir computing (RC) that leverages a pool of cultured biological neurons as the reservoir substrate, creating a biological reservoir computing (BRC). This system operates similarly to an echo state network (ESN), with the key distinction that the neural activity is generated by a network of cultured neurons, rather than being modeled by traditional artificial computational units. The neuronal activity is recorded using a multi-electrode array (MEA), which enables high-throughput recording of neural signals. In our approach, inputs are introduced into the network through a subset of the MEA electrodes, while the remaining electrodes capture the resulting neural activity. This generates a nonlinear mapping of the input data to a high-dimensional biological feature space, where distinguishing between data becomes more efficient and straightforward, allowing a simple linear classifier to perform pattern recognition tasks effectively. To evaluate the performance of our proposed system, we present an experimental study that includes various input patterns, such as positional codes, bars with different orientations, and a digit recognition task. The results demonstrate the feasibility of using biological neural networks to perform tasks traditionally handled by artificial neural networks, paving the way for further exploration of biologically-inspired computing systems, with potential applications in neuromorphic engineering and bio-hybrid computing.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google