Maaaring I-hold ng Graphene ang Key sa Pagkonekta sa aming mga Talino sa Mga Machine

Ang iyong utak ay isang pugad ng electric activity - mga signal na pagpapaputok, ang data streaming. Ito ay isang itim na kahon ng kabuuang kaguluhan. Hanggang ngayon, ang mga pinakamahusay na paraan upang i-hook ang iyong mga neuron sa mga aparato at computer ay nakapag-survey lamang ng malawak na swaths ng mga neurons at kumukuha ng malawak na pinagkaisahan kung ano ang kanilang pinatatakbo sa. Ngunit isang maliwanag na pambihirang tagumpay sa graphene tech ay nag-aalok ng pag-asa na maaari naming ma-tap sa indibidwal na mga signal ng neural sa isang umiiral na biological na setting, na may malaking epekto para sa mga protheses, pag-aaral, at pagpapanatili ng kalusugan ng isip.

Ang isang pangkat ng mga mananaliksik mula sa Espanya, Italya, at UK ay nagpakita na ang graphene ay maaaring matagumpay na mag-interface sa mga neuron, at magdala ng isang de-koryenteng signal mula sa kanila. Ang gawaing ito ay nagtatayo sa mga nakaraang pagsisikap kung saan ang graphene ay pinahiran ng peptides upang itaguyod ang neuronal adhesion, at nagpakita na ang gayong patong ay hindi kailangan. Hindi tulad ng mga nakaraang pagtatangka at iba pang mga teknolohiya, ang gawaing ito ay hindi nagpapalit ng peklat na tisyu, na, sa paglipas ng panahon, ay nag-render ng iba pang mga implant na walang silbi. Masyadong, ang bersyon na ito gamit ang untreated graphene ay may mataas na signal-to-noise ratio na ginagawang mas praktikal para sa mga biological application.

Ang unang mga layunin para sa gawaing ito ay isang paggamot para sa Parkinson's. Ang mga kasalukuyang teknolohiya ng neural interface ay nagbabasa ng output ng isang neuron at isalin ito sa ibang bagay. Sa pamamagitan ng direktang interfacing sa neurons, inaasahan na ang gawaing ito ay maaaring magamit upang makagambala sa signal. Dahil ang Parkinson ay isang kabiguan na pagbawalan ang mga signal ng neural, ang isang teknolohiya na maaaring i-block ang mga panlabas na signal ay maaaring malutas ang problemang ito. Iniisip na ito ay kung paano gumagana ang mga umiiral na implantable electrodes: sa pamamagitan ng di-partikular na pagsasahimpapawid ng mga de-kuryenteng impulses na nakagambala sa mga hindi naaangkop na signal na ito. Ang indibidwal na resolusyon ng neuron ay maaaring magbigay ng higit na kontrol.

Graphene ay isang mainam na materyal para sa biological interface: Ito ay may kakayahang umangkop, matatag, at biocompatible. Dahil makukuha rin nito ang isang de-koryenteng singil, natapos na ang interes ng mga pananaliksik para sa paggamit sa mga aplikasyon ng neural.

Ang graphene ay malakas, ngunit ito ay matigas? http://t.co/uUfeb1h0oN @ENERGY #MaterialsScience pic.twitter.com/BippvPpK7C

- Berkeley Lab (@BerkeleyLab) Pebrero 22, 2016

Ang umiiral na teknolohiya ng neural interface ay may gawi na suriin ang isang buong larangan ng mga neuron sa pamamagitan ng paggamit ng isang array ng mga electrodes (tulad ng kamakailang halimbawa na ginamit upang kontrolin ang mga indibidwal na daliri). Kahit na ito ay kapaki-pakinabang sa ilang mga setting, maaari itong maging mapanlinlang upang suriing mabuti sa pamamagitan ng output ng marami, maraming mga neurons upang mahanap ang signal na gusto mo. Ngunit bumaba sa resolution ng interfacing sa mga indibidwal na neurons, at ang mga potensyal na ay walang uliran control - sa lahat ng mga uri ng mga potensyal na para sa neural prostisis.

Kailangan mo pa rin ng isang sopistikadong mekanismo upang matiyak na tanging ang naaangkop na mga neuron ay nakikipag-ugnay; dapat mong i-disentangle kung anong signal ang nagmumula sa kung saan; at kailangan mong isalin ang kakayahang ito ng mga signal.

Ang impluwensiya ng mga electrodes ay maaaring maging nakakalito. Ang mga umiiral na teknolohiya ay nagpapalabas ng mga electrodes sa tisyu ng utak at halos tiyak na makapipinsala sa ilang mga koneksyon sa kahabaan ng daan. Dahil ang teknolohiyang ito ay nababahala lamang sa mga recordings sa field, ang pinsala ng ilang neurons ay hindi problema. Kung ang layunin ay mag-interface sa mga indibidwal na neurons, maaaring ito ay isang makabuluhang isyu.

Dagdag pa, maaaring kailanganin ng system na "i-calibrate." Ang oras at lakas ng mga signal ng neural ay mahalaga. Karaniwan, ang calibrate ng iyong utak mismo. Kapag nagsasagawa ka ng pag-aayos ng baseball bat, halimbawa, nagpapadala ka ng feedback, positibo o negatibo, upang palakasin ang mga koneksyon at gamitin lamang ang tamang dami ng puwersa at direksyon. Kung kailangan mong manu-manong ayusin ang mga bagay na ito sa isang sistema na hindi tama ang sarili, maaari itong gawing mas mahirap ang mga bagay. (Kapaki-pakinabang na tandaan na ang utak ay napakahusay sa pagiging "plastic" at nakikibagay, gayunpaman, kaya maaaring malutas ang sarili nitong problema sa pamamagitan lamang ng pag-modulate ng sarili nitong output batay sa iyong mga reaksyon.)

Gayunpaman, ang mga uri ng problema ay mga problema sa engineering, at hindi imposible na malutas. Sa sandaling malutas ang mga hamong ito, ang kakayahang mag-interface sa mga indibidwal na neuron ay maaaring malalim. Halimbawa, ang "mga detectors ng pagkakatulad" sa iyong utak ay nakakakita ng mga papasok na neural impulses mula sa higit sa isang neuron. Kung ang timing ng input mula sa parehong ay sapat na malapit, ito ay mag-trigger ng isang salpok sa ang pagkakakilanlan ng pagkakakilanlan mismo. Ang mekanismong ito ay ginagamit ay maraming konteksto, ang isa ay sa pag-aaral.

Dahil ang mekanismong ito ay mahusay sa pag-uugnay sa iba't ibang mga neural na kaganapan, maaari silang gamitin upang bumuo ng mga konsepto na tulay malayong mga bahagi ng utak magkasama, at upang samakatuwid ay matuto ng isang bagong ideya. Kung ang prosesong ito ay maaaring kontrolado nang manu-mano, maaaring isaalang-alang ng isang estilo ng pag-aaral ng Matrix-esque, kung saan ang mga sulok ng pagkakatulad ay na-trigger nang manu-mano upang maiugnay ang iba't ibang mga konsepto at upang bumuo ng isang pag-iisip na hindi kailanman naglalagay ng paa sa isang silid-aralan. Gayunpaman, sa maikling panahon, ang pagharang lamang ng di-angkop na pagbibigay ng senyas sa Parkinson ay mas mahirap. Hanapin ang graphene upang mapanatili ang makinis na mga paggalaw muna - bago marahil ang paggawa ng mga alaala ay mas madaling makamit mamaya.