기술 주변기기
일체 포함
130,000개의 주석이 달린 뉴런과 5,300만 개의 시냅스를 갖춘 프린스턴 대학과 다른 대학에서는 최초의 완전한 '성체 파리' 뇌 연결체를 발표했습니다.
130,000개의 주석이 달린 뉴런과 5,300만 개의 시냅스를 갖춘 프린스턴 대학과 다른 대학에서는 최초의 완전한 '성체 파리' 뇌 연결체를 발표했습니다.
Caenorhabditis elegans(302개의 뉴런)부터 Drosophila melanogaster(~100,000개의 뉴런)까지 현재 다양한 유기체의 전뇌 연결체를 매핑한 많은 프로젝트가 있습니다. 초파리(Drosophila melanogaster)는 인간이 가장 철저하게 연구한 유기체 중 하나입니다. 2017년 현재 초파리를 이용한 연구로 8개의 노벨상이 수상되었습니다.
초파리에 대한 연구자들의 연구가 계속되고 있습니다. 최근 프린스턴 대학과 다른 기관의 연구자들이 약 13만 개의 주석이 달린 뉴런과 수천만 종류의 시냅스를 포함하는 초파리 전뇌 커넥톰을 공개했습니다.
기본 신경계가 고대 동물부터 존재했다는 것은 누구나 어느 정도 알고 있지만, 뇌 시스템의 출현은 5억년 전으로 거슬러 올라갑니다. 연구에 따르면 뇌를 여러 영역으로 나누면 뇌의 기능을 이해하는 데 도움이 됩니다.
그러나 수년 동안 신경 및 시냅스 수준의 신경 연결 맵에 대한 논란이 있어 왔습니다. 이 현상의 주된 이유는 인간에게 그러한 연결 맵을 재구성하는 기술이 부족하기 때문입니다. 21세기 초 기술이 발전하면서 상황이 바뀌기 시작했습니다.
오늘, 프린스턴 대학교 및 기타 기관의 연구자들이 성체 초파리 뇌의 최초의 완전한 신경 연결 맵인 초파리 전뇌 커넥톰을 출시했습니다.
Pictures
논문 주소: https://www.biorxiv.org/content/10.1101/2023.06.27.546656v1.full.pdf
Pictures
결과 발표 후 "많은 프로젝트에서 예쁜꼬마선충(Caenorhabditis elegans)(302개의 뉴런)부터 Drosophila melanogaster(약 100,000개의 뉴런)에 이르기까지 다양한 유기체의 전뇌 연결체를 매핑했습니다. 현재의 컴퓨팅 성능으로는 가상으로 매핑할 수 없는 이유는 무엇입니까? 3D 환경에서 이러한 유기체에 대한 정확한 컴퓨터 시뮬레이션은 어떻습니까? "
성체 초파리 뇌의 최초의 완전한 신경 연결 맵
초파리의 뇌는 10^5개의 뉴런과 10개의 뉴런으로 작게 보입니다. ^8 시냅스, 그럼에도 불구하고 초파리는 이 시냅스를 통해 보고, 냄새 맡고, 듣고, 걷고, 물론 날 수 있습니다.
오랫동안 연구자들은 전자현미경(EM) 이미지를 통해 초파리 뇌의 일부를 재구성해 왔습니다. 이 이미지는 선명도가 뛰어나고 뉴런의 작은 가지와 연결된 시냅스를 보여줄 수 있습니다. 생성된 신경 회로의 연결 맵은 뇌가 사회적 행동, 기억 관련 행동 및 탐색 행동을 생성하는 방법에 대한 주요 통찰력을 제공합니다.
그러나 EM 방법이 뇌의 일부에 적용되어 유익한 로컬 연결 지도를 재구성했지만 이 방법은 뇌 기능을 보다 포괄적으로 이해하기에는 충분하지 않습니다.
이전에 연구자들은 Ito 등의 연구를 기반으로 단일 시냅스 그리드를 구축했습니다. 이 기사에서 사용된 그리드는 이전에 완전한 뇌 분할을 생성한 JFRC2 표준 뇌 템플릿을 기반으로 합니다. 이러한 그리드는 Virtual Fly에서도 사용됩니다. 뇌(초파리 시뮬레이션) 프로젝트. 이 연구에서는 일련의 비강체 변환을 통해 이러한 메쉬를 JFRC2 공간에서 FlyWire(FAFB14.1) 공간으로 이동합니다.
참고: FlyWire는 초파리 뇌를 탐색하기 위한 전뇌 연결체 플랫폼입니다. 2019년부터 과학자와 숙련된 교정자들은 FlyWire를 사용하여 전체 초파리 뇌의 AI 분할을 교정해 왔습니다. 2023년 6월 현재 전체 중앙 뇌를 포함하여 FlyWire에서 120,000개 이상의 뉴런이 교정되었습니다.
아래 그림에서 볼 수 있듯이, 본 연구에서 재구성된 전체 성체 초파리 뇌에는 127,978개의 뉴런(그림 1a)이 있으며, 그 사이에는 5,300만 개의 시냅스가 있습니다. 성인 여성 Drosophila melanogaster의 전체 뇌 이미지 (그림 1e, f)는 이전에 연속 섹션 전송 EM을 통해 얻었으며 Zheng et al.
사진
본 연구에서 초파리 뇌 전체를 재구성하여 얻은 연결 맵이 '커넥텀'이라고 불릴 만큼 완성도가 높다는 사실을 이 글에서 보여줍니다. 커넥톰은 예쁜꼬마선충(뉴런 300개, 시냅스 10^4개 미만) 및 초파리 1령 유충(뉴런 3,000개, 시냅스 5×10^5개)에 비해 크게 개선되었습니다. 앞으로의 도약: 커넥톰은 초파리 뇌의 절반을 초과할 뿐만 아니라 양적으로는 미각과 기계적 인식에 매우 중요한 초파리 중앙 뇌의 식도하 영역(SEZ)도 포괄합니다. 또한 커넥톰은 초파리 뇌에서 운동 뉴런을 아래로 구동하는 과정도 포괄합니다.
아래 그림은 뉴런의 범주를 보여줍니다. 그림 (a)는 초파리 뇌의 뉴런이 "스트림"(내인성, 구심성 및 원심성)으로 분류된다는 것을 보여줍니다. 그런 다음 각 흐름 클래스는 위치와 기능을 기반으로 "슈퍼클래스"로 더 나뉩니다. 최초로 공개된 겹눈에는 한쪽 반구에 약 8,000개의 망막 세포와 4개의 작은 안구가 없었으며, 그 부분은 빗금친 막대로 표시되었습니다. (b) 이러한 신경 주석을 사용하여 연구에서는 초파리 뇌의 상위 클래스 사이에 집계된 시냅스 지도를 만들었습니다. (c) 각 슈퍼클래스의 모든 뉴런 렌더링. (d) 안신경과 경추 결합 조직(CV) 외에도 각 반구에는 8개의 신경이 있습니다. 신경을 통과하는 모든 뉴런이 재구성되고 설명됩니다. (e) 감각 뉴런은 감각 양상에 대한 반응에 따라 세분화될 수 있습니다. FlyWire에서는 거의 모든 감각 뉴런이 양식별로 분류되었습니다. (f) 모든 비시각 감각 뉴런의 렌더링.
Picture
다음 그림은 초파리의 중앙 뇌를 통한 정보의 흐름을 보여줍니다.
Picture
Pictures
검증된 세포 수집 유형
FlyWire 커넥톰은 지금까지 획득된 커넥톰 중 가장 크고 복잡한 커넥톰입니다. 다른 논문 "다중 커넥톰의 합의 세포 유형 아틀라스는 회로 고정관념과 변형의 원리를 드러냅니다"에서 팀은 이 규모의 커넥톰을 추가로 설명하기 위해 몇 가지 핵심 질문을 제기하고 답변했습니다.
1) 어떤 가장자리가 어떻게 중요한지 알다?
2) 자동 또는 수동 분석을 돕기 위해 커넥톰 다이어그램을 단순화하는 방법은 무엇입니까?
3) 이 커넥톰은 어느 정도까지 단일 뇌의 스냅샷이거나 종 전체를 대표하는 것입니까?
Pictures
문서 링크: https://www.biorxiv.org/content/10.1101/2023.06.27.546055v1.full.pdf
이러한 문제는 데이터 세트 내부 및 데이터 세트 전체와 관련이 있습니다. 세트의 Connectome 주석은 세포 유형 식별과 불가분의 관계가 있습니다.
가장 기본적인 수준에서 이 연결된 세트를 탐색하는 것은 포괄적인 주석 시스템 없이는 매우 어려울 것입니다. 따라서 이 논문에 대한 팀의 주석은 인간이 읽을 수 있는 부분의 색인화된 계층적 목록을 제공하여 생물학자가 관심 있는 시스템과 뉴런을 탐색할 수 있도록 합니다.
Connectome 주석은 수정해야 하는 분할 오류를 필연적으로 드러내므로 데이터 품질을 보장하는 데에도 중요합니다. 또한, Drosophila는 광범위한 선천적 및 후천적 행동의 회로 기반과 발달 유전적 기원을 탐구한 풍부한 역사를 가지고 있습니다. 출판되고 진행 중인 문헌의 특성화에서 이전에 확인된 것과 동일합니다.
부분 반뇌 커넥톰과의 비교는 대부분의 파리 세포 유형이 매우 고정관념적이며 간단한 정의와 일반적인 휴리스틱을 사용하는 커넥톰 내의 연결이 신뢰할 수 있고 기능할 가능성이 더 높다는 것을 확인합니다. 그러나 이는 일부 세포 유형에서 예상치 못한 변화도 드러났으며 원래 반뇌에서 보고된 많은 세포 유형을 안정적으로 재식별할 수 없음을 보여주었습니다. 이 발견으로 인해 커넥토믹스 데이터 세트 전반에 걸쳐 세포 유형을 정의하기 위한 새롭고 강력한 방법을 개발하고 적용해야 할 필요성이 생겼습니다.
이 연구에서 연구자들은 초파리 뇌의 모든 뉴런에 대해 다양한 세부 수준(수퍼클래스, 세포 클래스, 계보 클래스 등)에서 사람이 읽을 수 있는 주석을 생성했습니다.
연구원이 제공한 4,179개 세포 유형의 지도는 지금까지 최대 규모는 아닙니다(뇌의 절반에는 5,620개가 있으며, 최근 쥐 뇌에 대한 연구에서는 무려 5,000개의 분자 클러스터를 제공했습니다). 그러나 이는 어떤 의미에서는 지금까지 수집된 세포 유형 중 가장 큰 규모의 검증된 컬렉션입니다.
세포 유형은 동물 내외의 생물학적 다양성에 대한 입증 가능한 가설입니다. C. elegans에서는 초기 커넥톰에서 추론된 118개의 세포 유형이 커넥톰 및 분자 데이터의 후속 분석을 통해 명백히 뒷받침되었습니다. 일부 포유류에서는 100가지 세포 유형의 카탈로그를 생성하는 것이 가능하며 망막이나 운동 피질과 같은 다중 모드 데이터로 검증되었습니다.
그러나 대규모 분자 지도는 매우 유용한 계층 구조를 제공하지만 개인 전체에서 가장 정밀한 단위인 말단 세포 유형을 정확하게 정의하려는 시도는 없었습니다. 연구자들은 5,000개 이상의 세포 유형에 대해 처음으로 이 위조 가능한 세포 유형 가설을 테스트하여 3개 반구의 커넥톰 데이터에서 약 3,166개의 세포 유형을 확인하거나 수정했습니다.
커넥텀 데이터가 세포 유형을 기술하는 데 특히 의미가 있다는 점은 주목할 가치가 있습니다. 이는 본질적으로 다중 모드(형태 및 연결성 제공)이며 뇌 내의 모든 세포를 볼 수 있습니다(완전성). 이 엄격한 테스트를 통과한 세포 유형은 (영구적으로) 변형될 가능성이 거의 없습니다. 이러한 이해를 바탕으로 FlyWire 데이터 세트의 두 반구 내에 정의된 추가 850개 세포 유형도 정확하고 영구적이어야 합니다. 연구자들은 커넥톰 데이터가 세포 유형의 표준이 될 것이라고 믿습니다. 그러므로 분자세포와 연결세포 유형을 연결하는 것이 핵심이 될 것입니다.
뇌 세포 유형의 3분의 1 이상이 아직 FlyWire에서 식별되지 않는다는 사실에 사람들은 약간 놀라거나 심지어 실망할 수도 있습니다. 연구자들은 대부분의 세포를 식별할 수 있으며 자신과 다른 사람들의 노력을 통해 현재 플랫폼과 도구를 계속해서 점진적으로 개선할 것으로 기대합니다.
그럼에도 불구하고 현재 결과는 몇 가지 중요한 문제를 드러냅니다. 첫째, 단일 뇌 반구의 데이터를 사용하여 식별된 많은 세포 유형에는 이제 수정이 필요합니다. 둘째, 새로운 다중 연결체 입력 방법(그림 6)은 강력하고 효율적인 방법을 제공합니다. 셋째, 성체 초파리의 지속적인 변이 사례는 종종 포유류 세포 유형과 연관되어 있으며, 이제 연구자들은 이전에는 불가능했던 정밀도로 이러한 변이를 처리할 수 있는 도구와 데이터를 보유하고 있습니다.
교차뇌세포 타이핑
전반적으로, 이 작업은 현재 및 예상되는 정상 파리 커넥톰에 대한 심층 연구를 위한 몇 가지 토대를 마련하고 미래의 성적 이형성에 도움이 될 수 있습니다. 경험 의존적 가소성에 대한 연구, 전뇌 규모의 발달 및 질병.
위 내용은 130,000개의 주석이 달린 뉴런과 5,300만 개의 시냅스를 갖춘 프린스턴 대학과 다른 대학에서는 최초의 완전한 '성체 파리' 뇌 연결체를 발표했습니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!
핫 AI 도구
Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱
AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.
Undress AI Tool
무료로 이미지를 벗다
Clothoff.io
AI 옷 제거제
AI Hentai Generator
AI Hentai를 무료로 생성하십시오.
인기 기사
뜨거운 도구
메모장++7.3.1
사용하기 쉬운 무료 코드 편집기
SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.
스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경
드림위버 CS6
시각적 웹 개발 도구
SublimeText3 Mac 버전
신 수준의 코드 편집 소프트웨어(SublimeText3)
뜨거운 주제
7448
15
1374
52
76
11
39
19
14
6
2024년 CSRankings 전국 컴퓨터 과학 순위 발표! CMU가 목록을 장악하고 MIT가 상위 5위에서 벗어났습니다.
Mar 25, 2024 pm 06:01 PM
2024CSRankings 전국 컴퓨터 공학 전공 순위가 방금 발표되었습니다! 올해 미국 최고의 CS 대학 순위에서는 카네기멜론대학교(CMU)가 CS 분야 전국 최고에 올랐고, 일리노이대학교 어바나-샴페인 캠퍼스(UIUC)가 1위를 차지했다. 6년 연속 2위를 기록했다. 조지아공대(Georgia Tech)가 3위를 차지했습니다. 이어 스탠퍼드대, 캘리포니아대 샌디에이고대, 미시간대, 워싱턴대가 공동 4위를 차지했다. MIT의 순위가 하락해 상위 5위권 밖으로 떨어졌다는 점은 주목할 만하다. CSRankings는 매사추세츠 대학교 Amherst 컴퓨터 및 정보 과학부의 Emery Berger 교수가 시작한 컴퓨터 과학 분야의 글로벌 대학 순위 프로젝트입니다. 순위는 객관적인 기준에 따라 결정됩니다.
세계에서 가장 강력한 오픈 소스 MoE 모델이 여기에 있습니다. 중국의 기능은 GPT-4와 비슷하며 가격은 GPT-4-Turbo의 거의 1%에 불과합니다.
May 07, 2024 pm 04:13 PM
기존 컴퓨팅을 능가할 뿐만 아니라 더 낮은 비용으로 더 효율적인 성능을 달성하는 인공 지능 모델을 상상해 보세요. 이것은 공상과학 소설이 아닙니다. DeepSeek-V2[1], 세계에서 가장 강력한 오픈 소스 MoE 모델이 여기에 있습니다. DeepSeek-V2는 경제적인 훈련과 효율적인 추론이라는 특징을 지닌 전문가(MoE) 언어 모델의 강력한 혼합입니다. 이는 236B 매개변수로 구성되며, 그 중 21B는 각 마커를 활성화하는 데 사용됩니다. DeepSeek67B와 비교하여 DeepSeek-V2는 더 강력한 성능을 제공하는 동시에 훈련 비용을 42.5% 절감하고 KV 캐시를 93.3% 줄이며 최대 생성 처리량을 5.76배로 늘립니다. DeepSeek은 일반 인공지능을 연구하는 회사입니다.
MLP를 대체하는 KAN은 오픈소스 프로젝트를 통해 컨볼루션으로 확장되었습니다.
Jun 01, 2024 pm 10:03 PM
이달 초 MIT와 기타 기관의 연구자들은 MLP에 대한 매우 유망한 대안인 KAN을 제안했습니다. KAN은 정확성과 해석성 측면에서 MLP보다 뛰어납니다. 그리고 매우 적은 수의 매개변수로 더 많은 수의 매개변수를 사용하여 실행되는 MLP보다 성능이 뛰어날 수 있습니다. 예를 들어 저자는 KAN을 사용하여 더 작은 네트워크와 더 높은 수준의 자동화로 DeepMind의 결과를 재현했다고 밝혔습니다. 구체적으로 DeepMind의 MLP에는 약 300,000개의 매개변수가 있는 반면 KAN에는 약 200개의 매개변수만 있습니다. KAN은 MLP와 같이 강력한 수학적 기반을 가지고 있으며, KAN은 Kolmogorov-Arnold 표현 정리를 기반으로 합니다. 아래 그림과 같이 KAN은
안녕하세요, 일렉트릭 아틀라스입니다! 보스턴 다이나믹스 로봇 부활, 180도 이상한 움직임에 겁먹은 머스크
Apr 18, 2024 pm 07:58 PM
Boston Dynamics Atlas가 공식적으로 전기 로봇 시대에 돌입했습니다! 어제 유압식 Atlas가 역사의 무대에서 "눈물을 흘리며" 물러났습니다. 오늘 Boston Dynamics는 전기식 Atlas가 작동 중이라고 발표했습니다. 상업용 휴머노이드 로봇 분야에서는 보스턴 다이내믹스가 테슬라와 경쟁하겠다는 각오를 다진 것으로 보인다. 새 영상은 공개된 지 10시간 만에 이미 100만 명이 넘는 조회수를 기록했다. 옛 사람들은 떠나고 새로운 역할이 등장하는 것은 역사적 필연이다. 올해가 휴머노이드 로봇의 폭발적인 해라는 것은 의심의 여지가 없습니다. 네티즌들은 “로봇의 발전으로 올해 개막식도 인간처럼 생겼고, 자유도도 인간보다 훨씬 크다. 그런데 정말 공포영화가 아닌가?”라는 반응을 보였다. 영상 시작 부분에서 아틀라스는 바닥에 등을 대고 가만히 누워 있는 모습입니다. 다음은 입이 떡 벌어지는 내용이다
AI가 수학적 연구를 전복시킨다! 필즈상 수상자이자 중국계 미국인 수학자, Terence Tao가 좋아하는 11개 논문 발표 |
Apr 09, 2024 am 11:52 AM
AI는 실제로 수학을 변화시키고 있습니다. 최근 이 문제에 주목하고 있는 타오저쉬안(Tao Zhexuan)은 '미국수학회지(Bulletin of the American Mathematical Society)' 최신호를 게재했다. '기계가 수학을 바꿀 것인가?'라는 주제를 중심으로 많은 수학자들이 그들의 의견을 표현했습니다. 저자는 필즈상 수상자 Akshay Venkatesh, 중국 수학자 Zheng Lejun, 뉴욕대학교 컴퓨터 과학자 Ernest Davis 등 업계의 유명 학자들을 포함해 강력한 라인업을 보유하고 있습니다. AI의 세계는 극적으로 변했습니다. 이 기사 중 상당수는 1년 전에 제출되었습니다.
Google은 열광하고 있습니다. JAX 성능이 Pytorch와 TensorFlow를 능가합니다! GPU 추론 훈련을 위한 가장 빠른 선택이 될 수 있습니다.
Apr 01, 2024 pm 07:46 PM
Google이 추진하는 JAX의 성능은 최근 벤치마크 테스트에서 Pytorch와 TensorFlow를 능가하여 7개 지표에서 1위를 차지했습니다. 그리고 JAX 성능이 가장 좋은 TPU에서는 테스트가 이루어지지 않았습니다. 개발자들 사이에서는 여전히 Tensorflow보다 Pytorch가 더 인기가 있습니다. 그러나 앞으로는 더 큰 모델이 JAX 플랫폼을 기반으로 훈련되고 실행될 것입니다. 모델 최근 Keras 팀은 기본 PyTorch 구현을 사용하여 세 가지 백엔드(TensorFlow, JAX, PyTorch)와 TensorFlow를 사용하는 Keras2를 벤치마킹했습니다. 첫째, 그들은 주류 세트를 선택합니다.
DualBEV: BEVFormer 및 BEVDet4D를 크게 능가하는 책을 펼치세요!
Mar 21, 2024 pm 05:21 PM
본 논문에서는 자율 주행에서 다양한 시야각(예: 원근 및 조감도)에서 객체를 정확하게 감지하는 문제, 특히 원근(PV) 공간에서 조감(BEV) 공간으로 기능을 효과적으로 변환하는 방법을 탐구합니다. VT(Visual Transformation) 모듈을 통해 구현됩니다. 기존 방법은 크게 2D에서 3D로, 3D에서 2D로 변환하는 두 가지 전략으로 나뉩니다. 2D에서 3D로의 방법은 깊이 확률을 예측하여 조밀한 2D 특징을 개선하지만, 특히 먼 영역에서는 깊이 예측의 본질적인 불확실성으로 인해 부정확성이 발생할 수 있습니다. 3D에서 2D로의 방법은 일반적으로 3D 쿼리를 사용하여 2D 기능을 샘플링하고 Transformer를 통해 3D와 2D 기능 간의 대응에 대한 주의 가중치를 학습하므로 계산 및 배포 시간이 늘어납니다.
공장에서 일하는 테슬라 로봇, 머스크 : 올해 손의 자유도가 22도에 달할 것!
May 06, 2024 pm 04:13 PM
테슬라의 로봇 옵티머스(Optimus)의 최신 영상이 공개됐는데, 이미 공장에서 작동이 가능한 상태다. 정상 속도에서는 배터리(테슬라의 4680 배터리)를 다음과 같이 분류합니다. 공식은 또한 20배 속도로 보이는 모습을 공개했습니다. 작은 "워크스테이션"에서 따고 따고 따고 : 이번에 출시됩니다. 영상에는 옵티머스가 공장에서 이 작업을 전 과정에 걸쳐 사람의 개입 없이 완전히 자율적으로 완료하는 모습이 담겨 있습니다. 그리고 Optimus의 관점에서 보면 자동 오류 수정에 중점을 두고 구부러진 배터리를 집어 넣을 수도 있습니다. NVIDIA 과학자 Jim Fan은 Optimus의 손에 대해 높은 평가를 했습니다. Optimus의 손은 세계의 다섯 손가락 로봇 중 하나입니다. 가장 능숙합니다. 손은 촉각적일 뿐만 아니라
