Unloading Graphene at 1000 degree C.
Bộ não của bạn là một tổ ong của hoạt động điện - tín hiệu bắn, truyền dữ liệu. Nó cũng là một hộp đen của sự hỗn loạn. Cho đến bây giờ, những cách tốt nhất để kết nối các nơ-ron thần kinh của bạn với các thiết bị và máy tính đã có thể chỉ khảo sát các dải nơ-ron rộng và có sự đồng thuận rộng rãi về những gì chúng đang lái xe. Nhưng một bước đột phá rõ ràng trong công nghệ graphene mang lại hy vọng rằng chúng ta có thể khai thác được tín hiệu thần kinh cá nhân trong một môi trường sinh học hiện có, với sự phân nhánh lớn cho các điều kiện tiên quyết, học tập và bảo tồn sức khỏe tâm thần.
Một nhóm các nhà nghiên cứu từ Tây Ban Nha, Ý và Vương quốc Anh đã chứng minh rằng graphene có thể giao tiếp thành công với các tế bào thần kinh và mang tín hiệu điện từ chúng. Công trình này dựa trên những nỗ lực trước đây trong đó graphene được phủ peptide để thúc đẩy sự kết dính của nơ-ron thần kinh và cho thấy lớp phủ như vậy là không cần thiết. Không giống như những nỗ lực trước đây và các công nghệ khác, công việc này không kích hoạt mô sẹo, theo thời gian, đã khiến các cấy ghép khác trở nên vô dụng. Ngoài ra, phiên bản này sử dụng graphene chưa được xử lý có tỷ lệ nhiễu tín hiệu cao làm cho nó thực tế hơn cho các ứng dụng sinh học.
Những mục tiêu đầu tiên cho công việc này là điều trị cho Parkinson. Các công nghệ giao diện thần kinh hiện có đọc đầu ra của một nơron và dịch nó sang một thứ khác. Bằng cách giao tiếp trực tiếp với các nơ-ron thần kinh, nó đã hy vọng rằng công việc này có thể được sử dụng để can thiệp vào tín hiệu. Vì Parkinson, là một thất bại trong việc ức chế tín hiệu thần kinh, một công nghệ có thể ngăn chặn các tín hiệu bên ngoài một cách giả tạo có thể giải quyết vấn đề này. Nó đã nghĩ rằng đây là cách các điện cực cấy ghép hiện có hoạt động: bằng cách phát xung điện không đặc biệt gây nhiễu các tín hiệu không phù hợp này. Độ phân giải nơ-ron cá nhân có thể cung cấp nhiều kiểm soát hơn.
Graphene là một vật liệu lý tưởng cho giao diện sinh học: Nó linh hoạt, ổn định và tương thích sinh học. Bởi vì nó cũng có thể mang điện tích, nó đã thu hút sự quan tâm của các nghiên cứu để sử dụng trong các ứng dụng thần kinh.
Graphene là mạnh, nhưng nó có khó không? http://t.co/uUfeb1h0oN @ENERGY #M vật liệu kỹ thuật pic.twitter.com/BippvPpK7C
- Phòng thí nghiệm Berkeley (@Ber siêuLab) ngày 22 tháng 2 năm 2016
Công nghệ giao diện thần kinh hiện tại có xu hướng đánh giá toàn bộ một lĩnh vực tế bào thần kinh bằng cách sử dụng một loạt các điện cực (chẳng hạn như ví dụ gần đây được sử dụng để điều khiển từng ngón tay). Mặc dù điều này có thể hữu ích trong một số cài đặt, nhưng có thể rất khó để sàng lọc đầu ra của nhiều, nhiều nơ-ron để tìm tín hiệu bạn muốn. Nhưng đi xuống giải quyết giao thoa với từng nơ-ron riêng lẻ, và tiềm năng là sự kiểm soát chưa từng có - với tất cả các loại tiềm năng cho phục hình thần kinh.
Bạn vẫn cần một cơ chế tinh vi để đảm bảo rằng chỉ có các nơ-ron thích hợp được tiếp xúc; bạn phải loại bỏ tín hiệu nào đến từ đâu; và bạn phải dịch các tín hiệu này.
Cấy điện cực cũng có thể khó khăn. Các công nghệ hiện có lao vào các điện cực vào mô não và gần như chắc chắn làm hỏng các kết nối nhất định trên đường đi. Bởi vì công nghệ này chỉ liên quan đến các bản ghi hiện trường, nên thiệt hại của một vài tế bào thần kinh không phải là vấn đề. Nếu mục tiêu là giao tiếp với các nơ-ron riêng lẻ, đây có thể là một vấn đề quan trọng.
Hơn nữa, hệ thống có thể cần phải được hiệu chỉnh. Thời gian và sức mạnh của tín hiệu thần kinh là rất quan trọng. Thông thường, não của bạn tự điều chỉnh. Ví dụ, khi bạn thực hành vung gậy bóng chày, bạn gửi phản hồi, tích cực hoặc tiêu cực, để củng cố các kết nối và sử dụng đúng lượng lực và hướng. Nếu bạn phải tự điều chỉnh những thứ này trong một hệ thống không tự sửa, nó có thể khiến mọi thứ trở nên khó khăn hơn. (Tuy nhiên, điều đáng chú ý là bộ não rất giỏi trong việc thích ứng dụng và điều chỉnh, vì vậy nó có thể giải quyết vấn đề của chính nó bằng cách điều chỉnh đầu ra của chính nó dựa trên phản ứng của bạn.)
Những loại vấn đề này là vấn đề kỹ thuật, mặc dù, và không phải là không thể giải quyết. Một khi những thách thức này được giải quyết, khả năng giao tiếp với từng nơ-ron riêng lẻ có thể rất sâu sắc. Ví dụ, máy dò trùng ngẫu nhiên, máy phát hiện trong bộ não của bạn phát hiện các xung thần kinh đến từ nhiều hơn một nơron. Nếu thời gian của đầu vào từ cả hai đủ gần, nó sẽ kích hoạt một xung trong chính bộ dò trùng hợp. Cơ chế này được sử dụng là một số bối cảnh, một trong số đó là trong học tập.
Bởi vì cơ chế này rất tốt trong việc liên kết các sự kiện thần kinh khác nhau, chúng có thể được sử dụng để xây dựng các khái niệm kết nối các phần xa của não với nhau, và do đó để tìm hiểu một ý tưởng mới. Nếu quá trình này có thể được điều khiển bằng tay, thì người ta có thể tưởng tượng ra một kiểu học ma trận, trong đó các máy dò trùng hợp được kích hoạt bằng tay để liên kết các khái niệm khác nhau và xây dựng một suy nghĩ mà không bao giờ đặt chân vào lớp học. Tuy nhiên, trong ngắn hạn, chỉ cần chặn tín hiệu không phù hợp trong Parkinson, sẽ khó khăn hơn rất nhiều. Hãy tìm graphene để bảo toàn các chuyển động trơn tru trước - trước khi có thể làm cho ký ức dễ dàng có được sau này.