Controller arm til Spaun - verdens største, funktionelle model af hjernen, bygget med MapleSim

Et af de problemer, som Travis stod overfor ved begyndelsen af forskningen var, at der ikke eksisterede omfattende modeller af den menneskelige arm. Men empiriske studier, der var fokuserede på hjerneforskning, havde sædvanligvis et subjekt, der kunne udføre forskellige opgaver med deres arm. Derfor var det vigtigt at have en simuleret modelarm til at teste nøjagtigheden af en model af hjernen.

 

Spaun (Semantic Pointer Architecture Unified Network) består af 2,5 millioner simulerede neuroner, der gør den i stand til at udføre otte forskellige opgaver. Spaun har et 28x28 (784 pixels) digitalt øje, samt en robot arm, der kan skrive på papir. Forskerne viser Spaun en gruppe tal og bogstaver, som Spaun læser ind i hukommelsen - og derefter nok et bogstav eller symbol, der fungerer som en kommando, der fortæller Spaun hvilke funktioner den skal udføre. Output af opgaven bliver derefter udskrevet af den simulerede arm.

 

Ved brug af armen demonstrerer Spaun opgaver som f.eks. at kopiere en tegning, at tælle, at huske og gentage sekvenser, samt flydende ræsonnering. I en artikel beskriver Popular Science magasinet det på denne måde: »Computerprogrammet genkendes emner, lærer og husker - og kan endog består visse basiskomponenter i en IQ test. Det er et stort skridt fremad for hjernesimulering, da den første model i virkeligheden kan emulere opførsel mens den samtidig beskriver fysiologien, der ligger under.»

 

Travis og teamet brugte MapleSim til at konstruere en model arm med ni muskler og tre led (skulder, albue og håndled), baseret på den model, der blev præsenteret af dr. Kenji Tahara i en artikel. Musklerne i armen blev konstrueret ved hjælp af MapleSim, baseret på Hill muskel modellen. Armen blev modelleret med MATLAB^®, og MapleSims konnektivitet til MATLAB^® via Maple engine medførte en flydende integration mellem de to systemer. »Vi var i stand til, gradvist og meget flydende, at øge kompleksiteten af modellen ved brug af MapleSim», siger Travis. »Maple Sim gjorde os i stand til nemt at tilføje en ekstra muskel eller et led efterhånden som arbejdet skred frem, uden at sætte nøjagtigheden over styr. Det betød, at vi kunne holde overhead omkostningerne nede, og gav os mulighed for at koncentrere os om at udvikle kontrolsystemet».

 

Travis undersøgte også andre, lignende konstruktions- og simulerings værktøjer, men det var de symbolske beregningskapaciteter i MapleSim, der overbeviste ham. »I de andre udgaver af konstruktions software, som vi kiggede på, var de underliggende ligninger bare ikke tilgængelige for analyser», fortsætter Travis. »Med MapleSim havde vi adgang til de symbolske ligninger, der driver systemet - det betød, at vi kunne få meget nøjagtige beskrivelser og foretage omfattende analyser af modellen. Og ligningerne blev automatisk forenklede i MapleSim, hvilket gav os en meget effektiv simulering».

 

Målet for Spaun forskningen var at vurdere hvorledes forskellige scenarier påvirkede hjernesystemet. Anden forskning, der brugte den samme MapleSim arm, har undersøgt resultaterne af skader i hjernen, der er forårsaget af fysiske traumer, Huntingtons sygdom og cerebrale abnormiteter. Resultaterne blev sammenlignede med real-time patientdata for at vurdere modellens nøjagtighed. For at opnå nøjagtige resultater er det vigtigt at have en realistisk arm, der fungerer som en rigtig arm - med passende muskelreaktioner, samt længde og masse i armsegmentet.

 

Resultaterne fra denne forskning kan anvendes til at udforme nye behandlinger af patienter. Eksempelvis kan effekterne af dyb hjerne stimulering, der kan være indsætning af en ledning der sender strøm til behandling af Parkinsons syge, udforskes på denne måde. Ved at have en model som Spaun, er det en hjælp til mere dybdegående og nøjagtig undersøgelse af en behandling. Et andet område for applikationer er udvikling af neurale proteser - en bedre forståelse af de motoriske kontrolsystemer og de udgående signaler vil føre til bedre funktion af proteserne.

 

Efter at have fuldført Spaun modellen arbejder Travis nu på en indlæringsbaseret model af hjernens motoriske kontrolsystem, der træder i stedet for en analytisk kontrol. MapleSim spiller en vigtig rolle i denne forskning på grund af programmets nemme interface og de stærkt optimerede simuleringer, det indeholder.

 

Arm simuleringerne, som Travis genererede til Spaun modellen, bliver nu anvendt til udvikling af andre kontroller. Dette sparer Travis tid og arbejde ved udarbejdelsen af nye modeller når han fortsætter med sin forskning i verdensklasse.