به گزارش ایسنا و به نقل از اسپکتروم، اهمیت این دستاورد، شناسایی و تشخیص سیگنالهای بیماری قبل از مشاهده علائم در بدن است. مثلا با این روش میتوان سرطان را بسیار زودتر از روشهای رایج شناسایی کرد. از آنجاییکه تشخیص زودهنگام هر نوع بیماری یعنی درمان سریعتر آن، پس این روش میتواند در دنیای پزشکی تحول عظیمی ایجاد کند.
شبکه عصبی مصنوعی شامل روشهای محاسباتی نوین برای یادگیری ماشینی، نمایش دانش و در انتها اعمال دانش به دست آمده در جهت بیشبینی پاسخهای خروجی از سامانههای پیچیده است. ایده اصلی این گونه شبکهها تا حدودی الهامگرفته از شیوه کارکرد سیستم عصبی زیستی برای پردازش دادهها و اطلاعات به منظور یادگیری و ایجاد دانش است.
هدف نهایی شبکه عصبی مصنوعی، تقلید از شبکه عصبی طبیعی است که در آن فعالیت طبیعی نورونها به صورت لحظهای درجهت بهبود عملکرد، تنظیم میشوند. در واقع یک شبکه عصبی طبیعی همیشه به دنبال بهترین الگوها و روشهای محاسباتی است تا به کمک آن فرایند یادگیری بهتر انجام شود.
اولین شبکه عصبی مصنوعی در سال ۲۰۱۱ در موسسه فناوری کالیفرنیا طراحی شد، این شبکه شامل چهار نورون بود که در مجموع چهار سیگنال ورودی را پردازش میکرد.
شبکه عصبی جدید شامل ۶ نورون است که در مجموع ۱۰۰ سیگنال ورودی حاصل از مجموع فعالیت ۲۲۵ مولکول DNA را پردازش میکند.
فرایند تشخیص مولکولها و محاسبه لازم در شبکه عصبی با تعامل بین مولکولهای سازنده DNA انجام میشود.
شبکه عصبی مصنوعی دارای قوانین پیچیده اما دقیقی است مثلا یک رشته فاقد جفت DNA که با یک رشته نیمه آزاد DNA دیگر پیوند برقرار کرده به عنوان ورودی شبکه شناخته میشود.
خروجی این شبکه نیز یک رشته DNA پیوند یافته است که در نهایت با تکمیل این زنجیره بر روی سایر زنجیرههای ناقص DNA تعامل بین سلولها را میسازد که وظیفه محاسبات سنگین را بر عهده دارد.
لولی کیان، سازنده شبکه عصبی جدید گفت: کنترل هوش مصنوعی حاصل از فعالیت DNA در لولههای آزمایشگاهی با آنچه در فیلمهای هالیوودی به نمایش گذاشته میشود، کاملا متفاوت است.
وی در ادامه افزود: در واقع عملکرد هر نورون در این شبکه تحت تاثیر تجمع رشتههای DNA است و تمام این اتفاقات در لولههای آزمایشگاهی رخ میدهد.
محققان با استفاده از شبکه عصبی مصنوعی موفق به تشخیص دستنوشتههای مولکولی شدند که در مجموع این شبکه عصبی موفق به تشخیص ۹ عدد شد که هر عدد در مجموع شامل ۳۰ پیکسل مولکولی است.
- 19
- 1
