跳到主要内容

经核实188金宝搏亚洲体育

AI可以解释一个简单的生物如何做出决定吗?

物理学家使用AI机器学习来模拟单细胞生物中的趋化性。

Geralt / Pixabay
资料来源:Geralt / Pixabay

生物有机体如何缺乏大脑或神经细胞做出决定?在一个新的学习发表于2021年5月美国国家科学院(PNA)国家科学院的诉讼程序科学家使用人工智能(AI)机器学习模拟小型有机体如何发展导航环境的能力。

该研究是由铅作家andraszött进行的合作与Gerhard Kahl,MaximilianHübl,在奥地利TechnischeUniversitätvien的理论物理研究所和Benedikt Hartl。科学家团队寻求计算地模型如何简单,单细胞的生物在没有大脑的情况下移动和导航神经系统

生物学,有两种主要类别的细胞类型 - 原核生物和真核生物。诸如细菌和archaea等原核生物缺乏膜结合的核和细胞器。真核生物可以是单细胞或多细胞的,并且比原核生物更大,更复杂。它们具有膜结合的核和细胞器。植物,藻类,真菌,保护物和动物是真核生物。保护物的实例包括Amoebas,paramecium,藻类和粘液模具。单细胞或单细胞生物分为一个或另一个。

“各种微生物和一些哺乳动物细胞能够通过进行非探测体变形来在粘性流体中游泳,例如旋转附着的鞭毛或扭曲整个身体。为了进行趋化性(即,朝向和留在高浓度的营养成分),他们以非凡的方式调整他们的游泳仪式,“科学家写道。“在这里,我们提出了一种计算模型,它具有自主形状的改编microSwimmers.以一个维度向高场浓度移动。“

在微生物学中,趋化性是细胞朝向或远离化学刺激的运动和迁移。它是一种生物学过程,使微生物能够提高其生物利用度,并在生理过程和疾病状态中发挥作用。

“我们将遗传算法应用于内部做决定模型MicroSwimmer的机器,并展示了它如何学习在静态和动态环境中接近营养素,“研究人员写道。“令人惊讶的是,新兴的动态类似于游泳池的众所周知的跑步运动。”

该项目有两阶段。在第一阶段,科学家们应用了一种遗传算法整洁的(增强拓扑的神经发展)表明,微灯泡能够在没有粘性环境中没有化学领域的没有化学品,并建立人工神经网络(ANNS)来描述与运动相关的决策。研究人员应用了加强学习算法,优化了粘性流体中的MicroWimmer的运动策略。

“我们证明了化学环境中的复杂运动和导航策略可以通过开发出令人惊讶的简单内部机械来实现,在我们的情况下,由小型人工神经网络代表,”研究人员写道。

人工智能计算,人工神经网络是一种具有架构的模型,其有点灵感来自生物大脑。ANNS具有与具有重量的神经元类似的网络人工节点。连接也称为边缘,就像大脑中的突触一样。在学习过程中调整神经元和边缘的重量。人工神经网络的体系结构包含节点层。具体地,ANN将具有一层输入节点,输出节点层和一个或多个隐藏节点。

“我们系统中的跑步行为是在没有明确挑战MicroWimmer的情况下,在没有化学领域(例如,用于游泳细菌的游泳细菌的缺失的紧急特征在培训期间,“研究人员写道。“从进化的角度来看,细菌在复杂的化学环境中学会了这种行为是有意义的。”

在第二阶段,科学家们解决了“发现策略的挑战性问题,这使得Microswimmmer在复杂的环境中以自己的方式导航。”该团队发现“空间和时间传感方法的ANNS能够概括其能力,以预测在更广泛的参数范围内的化学梯度。”

“我们的工作表明,我们可以完全解释并联系的简单内部决策机械的演变环境,允许在不同化学景观中导航,“研究人员写道。“这些发现与单细胞的细胞内生化感测机制或用于秀丽丽雅的小型多细胞生物(如Caenorhabdisitis)的简单神经系统相关性。”

版权所有©2021 Cami Rosso保留所有权利。

广告