Наука и технологии 5 сентября 2023

Сенсор, измеряющий хаос

Ученые из Петрозаводского государственного университета разработали сенсор на основе нейронной сети, способный с 90-процентной точностью определять меру хаоса в наборах данных. На практике предложенный алгоритм может использоваться при создании медицинских датчиков, которые смогут анализировать результаты ЭКГ и ЭЭГ или нейрочипов для биопротезов
Сенсор, измеряющий хаос
Схема сенсора хаоса на основе персептрона
Velichko et al. / Sensors, 2023

В физике, экономике, химии, биологии и других науках можно встретить понятие энтропии. Это мера упорядоченности различных систем, например числовых рядов, наборов данных, молекул. Низкие значения энтропии указывают на систематичность, упорядоченность системы, а высокие — на хаотичность. Существуют различные формулы и подходы для определения «степени хаоса», однако до сих пор остается неясным, может ли, хотя бы теоретически, мозг животных и человека от природы оценивать энтропию в окружающем мире. Эта способность может быть полезна, например, для хищников во время охоты, когда нужно отличить случайный шум или колебания травы из-за ветра (хаотические сигналы) от шороха и движений жертвы (упорядоченные сигналы).

magnifier.png Нейросеть обучили на наборе данных, представляющих собой непрерывный поток электрических сигналов с разной интенсивностью. Их можно сравнить с электрокардиограммой, на которой есть «пики» и «впадины»

Ученые из Петрозаводского государственного университета создали сенсор хаоса на основе персептрона — математической модели, которая имитирует работу нервной системы животных. Персептрон представляет собой систему из связанных в единую сеть элементарных искусственных нейронов, имеющих, подобно нервным клеткам в нашем теле, различные функции. Одни воспринимают подаваемый на персептрон сигнал, вторые суммируют сигналы и передают их третьим, которые, в свою очередь, определенным образом на них реагируют — рассчитывают энтропию исходного сигнала.

Нейросеть обучили на наборе данных, представляющих собой непрерывный поток электрических сигналов разной интенсивности. Их можно сравнить с электрокардиограммой, на которой есть «пики» и «впадины». Временны́е расстояния между пиками переводили в числовой ряд и подавали на вход нейросети, которая выдавала «ответ» в виде числа, характеризующего степень неупорядоченности сигнала. Благодаря этому алгоритм научился определять соответствие между шаблонами сигналов и их энтропией.


АВТОРЫ.jpg
Коллектив авторов работы
Андрей Величко/span>

Затем персептрон протестировали на новом наборе сигналов. Алгоритм снова переводил «пики» и «впадины» в числовой ряд, в котором расстоянию между последовательными пиками соответствовало определенное число. Далее нейросеть анализировала полученные данные и по ним определяла, насколько исходный сигнал был упорядочен: условно, имела ли «электрокардиограмма» правильный ритм или он был нарушен, как у пациентов с аритмией. Эксперимент показал, что алгоритм определяет «меру хаоса» с точностью до 90%.

Кроме того, с помощью предложенного сенсора исследователи оценили энтропию электрических импульсов в нерве конечности мыши в состоянии покоя и при искусственной стимуляции. Данные осциллограмм (графиков активности нервных клеток) авторы взяли из экспериментальной работы своих зарубежных коллег. Оказалось, что в состоянии покоя энтропия в 1,16 раза выше, чем при стимуляции. При этом точность алгоритма на основе персептрона при работе с реальными данными составила 85%.

magnifier.png «Можно даже предположить существование специальных сенсорных систем, которые могли бы помогать живым организмам распознавать хаос, например во время охоты, чтобы отличить случайные сигналы от движения жертвы»

«Наше исследование показало, что системы, работающие на тех же принципах, что и нейроны в головном мозге, действительно способны оценивать меру неупорядоченности внешних сигналов. Исходя из этого можно даже предположить существование специальных сенсорных систем, которые могли бы помогать живым организмам распознавать хаос, например во время охоты, чтобы отличить случайные сигналы от движения жертвы. На практике полученные результаты могут использоваться для нейрочипов в биопротезах, отслеживающих сигналы отдельных нейронов, при разработке “умных” медицинских датчиков, определяющих, например, патологии на электрокардиограммах и энцефалограммах, а также роботов, имитирующих поведение животных», — рассказывает руководитель проекта Андрей Величко, кандидат физико-математических наук, заведующий учебно-научной лабораторией по разработке электронной компонентной базы на основе микро- и наноструктур Петрозаводского государственного университета.

Результаты исследования, поддержанного грантом Российского научного фонда (РНФ), опубликованы в журнале Sensors.

По материалам пресс-службы РНФ

Еще по теме:
25.11.2024
В 2018 году в Московском университете было решено создать Центр коллективного пользования учебно-научным оборудованием д...
21.11.2024
19 ноября родился Михаил Ломоносов. В Кунсткамере ко дню его рождения существенно обновили экспозицию. На автора «Стимул...
13.11.2024
Он открыл один из генетических законов, объездил полмира в поисках древних и современных растений, хотел накормить мир и...
01.11.2024
30 октября 1906 года родился выдающийся советский и российский математик Андрей Николаевич Тихонов, рассчитавший взрывы ...
Наверх