Brain Organoid Computing for Artificial Intelligence

[bishopfunc]

Summary

1. どんなもの？（Abstract,Conclusion） 脳オーガノイドの3次元生体神経ネットワークの計算とオンチップ学習を利用したリビングAIハードウェア「Brainoware」を開発した。 PS: 入力をどうマッピングしてるのか詳しく理解してない。教師なし学習をしている？

   Brainoware uses mature human brain organoids as dynamic, living network to conduct “unsupervised learning” to adapt to the signals and perform “feature engineering”. Via these living reservoirs, the time-dependent inputs can be converted to spatiotemporal sequences of electric stimulation and then projected into computational spaces as ONNs

2. 先行研究と比べてどこがすごいの？（先行研究,どんな問題を解決した） ANNをトレーニングする際に大量の熱が発生し、時間とエネルギーを大量に消費するため、ANNの規模、速度、効率が著しく制限され、AIがその潜在能力を十分に発揮できない。また、ハードウェアの理論的な限界にも近づいていて、「フォンノイマンのボトルネック」という課題に直面している。 長・短期記憶（LSTM）ユニットを持たない従来のANNモデルを上回ったが、LSTMを持つANNモデルよりもわずかに精度が低かった。

3. 技術や手法の"キモ"はどこにある？(新規点,どう解決した) 脳オルガノイド + on-chip learning ?

4. どうやって有効だと検証した？（実験手法） カオス的な振る舞いをする典型的な非線形力学系であるヘノン・マップの予測した

まず、2次元のヘノンマップを1次元に分解し、双極性電圧パルスの時空間シーケンスに変換し、Brainowareを刺激するためにMEA電極に送信した。Brainowareは、ONN活動を解読するための読み出しアルゴリズムを用いて、リザーバー計算とオンチップ学習を利用し、入力された時空間パルスから学習してヘノン・マップを予測しました。BrainowareにXn値で符号化された時空間パルスを入力し、Hénonマップ（Xn+1値）を予測する実験を行いました。

5. 議論はあるか？（未解決点,応用例）
6. 次に読むべき論文？

論文情報・リンク

• 著者，"タイトル，" ジャーナル名，voluem，no.，ページ，年
• Google Scholar 被引用数:
• 論文誌名：
  • Cite Score　2020:
  • SJR 2020:
  • SNIP 2020:
• 国際会議:

[bishopfunc]

脳オルガノイドとは：胚性幹細胞（ES 細胞）から脳に似た組織を作製する。脳（のような組織）を作製したうえで解析する分野。

そして、人工的に多様な細胞へと分化できるiPS細胞の登場により、脳オルガノイドの研究が加速する。脳オルガノイドの作り方の基本は、幹細胞を3次元の球状に集め、特殊な液に浮遊させた状態で培養することである。これまでにも、大脳や海馬、視床など様々な部位が作られ、研究されてきた。

さらに、脳は異なる組織や領域がつながることで機能するため、脳の異なる領域のオルガノイドを物理的に融合する「アセンブロイド」が登場した。例えば、背側前脳と腹側前脳のオルガノイドを融合するなどである。

[bishopfunc]

[bishopfunc]

On-chip learningは、コンピュータチップ内で行われる機械学習の手法です。従来の機械学習では、データを収集してから外部のコンピュータで処理を行い、その結果をもとに学習を行う必要がありました。しかし、On-chip learningでは、コンピュータチップ内に学習アルゴリズムを組み込み、データを直接受け取り、処理を行い、学習を行うことができます。

[bishopfunc]

inspired: https://levtech.jp/media/article/column/detail_213/#ttl_1

[bishopfunc]