پژوهشگران هاروارد یک تراشه CMOS پیشرفته طراحی کرده‌اند که توانسته بیش از ۷۰,۰۰۰ اتصال سیناپسی را بین ۲,۰۰۰ نورون موش نقشه‌برداری کند.
به گزارش تکناک، این مطالعه که در مجلهNature منتشر شده، گامی بزرگ در پژوهش‌های عصبی محسوب می‌شود و امکان بررسی دقیق ارتباطات نورونی را با دقت بی‌سابقه‌ای فراهم می‌کند.
این تراشه CMOS که به ۴,۰۹۶ آرایه الکترود میکروحفرهای مجهز است، به پژوهشگران اجازه داده تا فعالیت الکتریکی چندین سلول عصبی را به‌طور همزمان ثبت کنند. برخلاف میکروسکوپ الکترونی که تنها قادر به تصویربرداری از اتصالات سیناپسی است، این تراشه می‌تواند سیگنال‌های الکتریکی عبوری از آنها را نیز اندازه‌گیری کند. همچنین، در مقایسه با تکنیک patch-clamp electrode که تنها تعداد محدودی از نورون‌ها را پوشش می‌دهد، این فناوری امکان نظارت بر هزاران نورون را به‌صورت همزمان فراهم می‌کند.
به گفته پژوهشگران، این تراشه به دانشمندان کمک می‌کند تا نحوه تعامل نورون‌ها را در مقیاسی وسیع بررسی کرده و تأثیر این تعاملات را بر فرآیندهای ذهنی پیچیده، مانند تفکر و یادگیری، تحلیل کنند. این تیم اعلام کرد که هر میکرو‌حفره در این تراشه مانند یک الکترود patch-clamp عمل می‌کند و با ترکیب بیش از ۴,۰۰۰ آرایه در یک تراشه، موفق به پایش هزاران نورون شده‌اند.
راست: یک سلول عصبی قرارگرفته روی آرایه‌ی الکترودهای میکروحفرهای (در شرایط ضبط واقعی، نورون‌ها با تراکم بسیار بیشتری مستقر می‌شوند).
Jun Wang، یکی از اعضای این تیم پژوهشی، درباره این فناوری گفت:
«الکترودهای میکروحفرهای نه‌تنها ارتباط بهتری با فضای داخلی نورون‌ها در مقایسه با الکترودهای نانوسوزنی عمودی برقرار می‌کنند، بلکه تولید آنها نیز بسیار ساده‌تر است. این ویژگی، یکی از نقاط قوت اصلی پژوهش ما محسوب می‌شود.»
این تیم با استفاده از ۴,۰۹۶ میکرو‌حفره، موفق به پایش بیش از ۳,۶۰۰ نورون موش با نرخ موفقیت ۹۰٪ شد. آنها توانستند بیش از ۷۰,۰۰۰ اتصال عصبی را ثبت کنند که ۲۰۰ برابر رکورد پیشین آنها است. با این حال، این فناوری هنوز راه زیادی تا نقشه‌برداری از مغز انسان دارد که دارای ۸۶ میلیارد نورون و حداقل ۳,۰۱۰,۰۰۰,۰۰۰ اتصال سیناپسی است.
Donhee Ham، پژوهشگر این تیم، درباره چالش‌های این پروژه گفت: «پس از دستیابی به ثبت گسترده درون‌سلولی، چالش اصلی ما تحلیل حجم عظیم داده‌های به‌دست‌آمده بود. با این حال، پیشرفت‌های زیادی در این زمینه حاصل شده و اکنون در حال توسعه طراحی جدیدی هستیم که بتواند در یک مغز زنده مورد استفاده قرار گیرد.»
در صورت موفقیت این پروژه در نقشه‌برداری از مغز زنده، این فناوری می‌تواند تحولی در حوزه‌های مختلف ایجاد کند. از جمله کاربردهای بالقوه آن می‌توان به آموزش AI و توسعه تراشه‌های AI کارآمدتر اشاره کرد که امکان پردازش‌های پیچیده را بدون نیاز به مصرف عظیم برق فراهم می‌کند. علاوه بر این، این فناوری می‌تواند در مطالعات مرتبط با سلامت روان مورد استفاده قرار گیرد. دانشمندان با بررسی نحوه فعال‌شدن یا اختلال در عملکرد اتصالات سیناپسی می‌توانند تأثیر این فرایندها بر ادراک ذهنی را بهتر درک کنند.
پژوهشگران امیدوارند که در آینده، این فناوری بتواند به درک عمیق‌تر از نحوه عملکرد مغز و توسعه فناوری‌های پیشرفته‌تر در زمینه علوم اعصاب و هوش مصنوعی منجر شود.
