2014年7月22日

ハエにインスパイアされた音検出器：
未来的な補聴器につながる新しい装置はハエの異様に鋭い聴力に基づく



アメリカ南東部と中央アメリカに固有のハエ、Ormia ochraceaは非常に捕食性の寄生生物である。

O. ochraceaは鳴いているオスコオロギの背の上へ急襲して幼虫をなすりつける。その邪悪なヒナは、コオロギの内部へ侵入し、殺し、消費する。

このハエはその異様に鋭い聴力のため、注目に値する精度で鳴いているコオロギの位置を特定することができるが、それは他の昆虫とはかけ離れた精巧な音プロセシング・メカニズムに依存する。

オースティンのテキサス大学の研究者は、寄生ハエの聴力メカニズムを模倣する小さいプロトタイプ装置を開発した。それは高感受性の新世代補聴器の開発に役立つかもしれない。

幅2ミリメートルの装置はピエゾ電気材料を使用する。それは力学的な圧力を電気信号に変える。

これらの材料の利用は、装置が非常に少ない力しか必要としないことを意味する。

この研究は米国国防総省高等研究計画局（DARPA）によって資金助成された。



O. ochraceaの耳は2mmしか離れていない。耳と耳の間の到着の時間差はわずか約100万分の4秒未満だが、ハエはコオロギの鳴き声の方向を位置づけることができる。

ハエの耳は、長さ約1.5mmの小さいシーソーに似ている。

シーソーは、反対側が180度の位相差を有するように振動する。

そのため、入ってきた圧力波の非常に小さい位相差さえ、180度位相を異にする力学的な動作を上昇させる。

これは効果的に100万分の4秒の時間遅延を増幅して、驚くべき精度でそのコオロギ餌食の場所をハエに突き止めさせる。

学術誌参照：
1.Ormia ochraceaの耳にインスパイアされた音源の位置確認。

実用医学レター;

http://www.sciencedaily.com/releases/2014/07/140722111407.htm

<コメント>
大きな動物は両耳が離れていることを利用して音源を特定できますが、昆虫は小さいためそのような位置特定は基本的に不可能です。

しかしアメリカのハエは、シーソーに似た仕組みの耳で振動と位置を捉えるという記事です。

2014年5月12日

超高速の生体工学的な腕は、飛行中の物体を捕えることができる



その手のひらは開かれ、そしてロボットは完全に静止している。

ほんの一瞬の後、それは突然「ほどけ」て、その方向に放り投げられるあらゆる種類の飛行物体 ― テニスラケット、ボール、瓶 ― をつかむ。

この腕は長さ約1.5メートルで、立位を保つ。

それは、3本の関節と、4本の指がある精巧な手を持つ。

このロボットは、EPFLの『学習アルゴリズムとシステム研究室（Learning Algorithms and Systems Laboratory; LASA）』でプログラムされ、可動物体を捕獲するためのロボット・ソリューションをテストするように設計されている。

100分の5秒未満でさまざまな不規則な形状の投射物をつかむ能力を持つそれは、とてもユニークである。

この発明は、ロボット工学に関するIEEEトランザクションによって、今日公表される論文に記載される。



「ロボットはますます我々の日常生活に当たり前に存在して、さまざまな作業を遂行するために使われ、フルモーションの複雑な目的を理解するか、それを避けることが可能だ。」、オードBillard（LASAのヘッド）は言った。

「我々が本当に必要なのは、ただ単に点に反応することが可能なだけの機械ではない。移動しているオブジェクトのダイナミクス（力学）を予測して、相対する方向に運動を生じるものだ。」

このロボットの腕は、潜在的な応用性をすでに宇宙で持っている。

EPFLのSwiss Space Centerによって実行されるClean- mEプロジェクトは、地球周辺で旋回しているスペース・デブリの処理と回復のための技術を開発することを意図する。

腕は衛星に取り付けられ、浮遊破片をつかむ作業を実行するだろう。そしてその力学は、ただ部分的にしか知られていない。



飛んでいるものを捕える能力は、いくつかのパラメータと、思いがけないイベントへの反応、この両者の統合を必要とする。

「今日の機械はしばしば予めプログラムされており、データの変化を急速に吸収することができない。

結果的に、残りの選択肢は、軌道の再計算だけである。そして、それは1秒の何分の1ごとが決定的でありえる状況において、あまりに多くの時間を必要とする。」



望ましい速度と適応性を得るために、LASA研究者は、ヒト自身が学ぶ方法によってインスパイアされた：

つまり、模倣と試行錯誤である。

この技術（『デモンストレーションによるプログラミング』）は、ロボットに特定の方向を与えない。

その代わりに、それは『可能性があるロボットへの軌道の例』を示す。

それは、腕を計画された目標へと手動で指導して、何回かその運動を繰り返すことから成る。

研究は、ボール、空き瓶、ハーフ・フル・ボトル、ハンマーと、テニスラケットで実施された。

これらの5つの一般的な物体は、それらが様々な範囲の状況を提供することから選択された。

つまり、ロボットが捕えなければならない（例えば、ラケットのハンドル）物体の部分が、重心と一致しないのだ。

ボトルの場合はさらに、その重心が軌道中で何回か移動するという課題さえ提供する。

空中に投入されると、しばしばいくつかの軸が関与して、これらのすべてのアイテムは運動をさらに複雑にするだろう。



その結果、可動物体がロボットの能力に提出されるとき、結果はとても興味深いとわかる。

学習段階の1回目で、物体はロボットの方向へ数回放り投げられる。

それ周辺に位置する一連のカメラによって、ロボットは、その軌道、速度と、回転運動に基づく物体の速度論のモデルを構築する。

科学者はそれを方程式に変換して、次に物体が放り投げられるときはいつでも、ロボットが非常に急速にそれ自体を正しい方向にセットすることができるようにする。

アプローチの数ミリ秒の間に、機械は、リアルタイムかつ高い精度の捕獲のための軌道を精練して、修正する。

この効率は、手と指の動きを連結させ、同期させるコントローラの開発によって、更に高められる。

学術誌参照：
1.飛行中の物体を捕える。

ロボット工学に関するIEEEトランザクション（2014）;

http://www.sciencedaily.com/releases/2014/05/140512101740.htm



<コメント>
様々な形状の飛行物体をつかまえるロボットです。
何でも気持ちよく捕まえてくれます :D

動画も見れます。

http://www.youtube.com/watch?v=M413lLWvrbI

2014年5月8日

再生するプラスチックは、損傷の後元に戻る



研究室の1枚の滑らかなプラスチックを見て、最近それを爆破して穴を作ったとは、誰も推測できない。

イリノイ大学研究室の教授スコット・ホワイトの研究チームは、ただ治癒するだけでなく、再生もする材料を開発した。

これまで、セルフ修復する資材は、ただ小さい顕微鏡的ひびを接着することができるだけだった。

新しい再生する材料は、材料を再成長させることによって、大きいひびと穴を埋める。

「我々は生きているシステムで見られるような再生による修復を思い起こさせる方法で、無生物の、人工材料システムの修復を示した」、化学教授のムーアは言った。

そのような自己修復能力は、ただ市販の商品にとって利益であるだけではない（アクシデント後の数分でそれ自体が修復するめちゃくちゃにされた自動車のバンパーを想像してみよう）。

部分と取って代わるか、修理するのが困難である製品のためにも有益である（例えば航空宇宙船の施工で使われる部品など）。



この再生能力は、血管（vascular）の材料を開発するチームの以前の仕事を基にしている。

特別に考案された『分解する線維』を利用して、研究者は、生物学的な循環系によってインスパイアされた毛細管のネットワークを使った材料を構築することが可能である。

「脈管（vascular）による供給は、大量の回復物質を届けることができる － そして大きいダメージ・ゾーンの修復を可能にする」、材料科学・工学のSottos教授は言った。

「例え材料が一度ならず損傷を受けるとしても、脈管のアプローチは複数の回復も可能にする。」



材料を再生するために、2つの毛細管が隣接して平行し、修復性の化学物質で満たされる。それはダメージが起こると流出する。

2つの液体は混じってゲルを形成し、ダメージによって引き起こされた隙間に及んで、ひびと穴を埋める。

ゲルは強いポリマーに固まり、それはプラスチックの機械的強度を復元する。



「我々は、再生のために外来の因子（重力を含む）と戦わなければならない」、航空宇宙工学教授のホワイトは言った。

「我々が使う反応性液体はかなり急速にゲルを形成する、そのため、リリースされると直ちに堅くなり始める。

それはまだ構造の材料にならないので、我々は穴により多くの液体を汲み出すことによって再生プロセスを続けることができる。」



チームは、市販のプラスチックに多い2つの分類で、その再生系を示した： 熱可塑性物質と熱硬化性物質。

損傷の種類によって化学反応を調整し、ゲル構造の速度、または固定の速度を制御することができる。

例えば弾丸衝突は、ひびならびに中心に放射状の穴を生じるので、化学物質を固定する前にひびに浸透させるようゲル反応を遅くすることが可能だ。

研究者は、脈管のネットワークを備えた市販のプラスチックとポリマーを心に描いている。それはとても生物学的な回復のようで、ダメージが起こったときはいつでも、展開する準備ができている修復物質で満たされる。

学術誌参照：
1.ポリマーのかなりの損傷量の回復。

Science、2014;

http://www.sciencedaily.com/releases/2014/05/140508172312.htm


<コメント>
穴が空いた時でも自動的に隙間を埋めてくれる自動再生プラスチックが開発されたという記事です。
これが実用化すれば、太陽電池がひょうやあられで全滅ということもなくなりそうです。

上の写真は回復の過程を表しています (The restorative material is delivered through two, isolated fluid streams - dyed red and blue.)。

2014年4月28日

科学者は、ヒトの脳にならって回路ボードを構築する



スタンフォードの科学者はヒトの脳に基いた、より速い、よりエネルギー効率の良いマイクロチップを開発した。

それは典型的なPCより9,000倍も高速で、著しく少ない力を使っていた。



例えばマウスの大きくない皮質は、その機能と同じ個人コンピュータのシミュレーションよりも9,000倍は高速に働く。

PCは遅いだけでなく、動作するために更に40,000倍の力が必要である。

Boahenと彼のチームは、16台の専用設計の「Neurocore」チップからなる回路ボード、Neurogridを開発した。

これらの16のチップは共に100万のニューロンと何十億ものシナプス連結をシミュレーションすることができる。



米国の脳プロジェクトは、脳の数千または何百万ものニューロンの活動さえ読み出すことが可能で、複合的なパターンを書き込むことができる、新しい種類のツールを開発するよう科学者に要求するというツール構築アプローチをとった。

それはコンピューターでシミュレーションさせる欧州とは対照的である。



Boahenの論文は、シリコンおよび／またはソフトウェアで脳機能をモデル化することを試みるNeurogridと同等の2つのプロジェクトに焦点を合わせる。

これらの努力の1つはIBMのSyNAPSEプロジェクトである。

現在、IBMがシステムでニューロンの数を非常に増加させる途上にあって、ゴールデン・ゲート・チップは、各々が1,024のデジタル・シナプス回路を備える256のデジタル・ニューロンから成る。

ハイデルベルク大学のBrainScalesプロジェクトは、ニューロンとシナプスの反応を模倣するためのアナログ・チップを開発する野心的な目的を持つ。

HICANN（High Input Count Analog Neural Network）チップは、薬物相互作用をモデル化することを可能にするために、脳シミュレーションを加速するように設計されたシステムのコアである。

現時点でHICANNシステムは、各々224のシナプス回路を備える512のニューロンを模倣することが可能で、ハードウェア・ベースを急速に拡大するロードマップである。

これらの研究チームの各々は、異なる専門の選択をした。例えば、それぞれのハードウェアに単一の神経エレメントをモデル化することに専念する回路にするか、または複数の（例えば、2つの能動的シナプスの効果をモデル化するために2倍のハードウェア回路を活動させることによって）である。

これらの選択は、能力とパフォーマンスの条件で、異なるトレードオフに結びついた。


Boahenの分析において、彼は総システム・コストを説明する単一の測定基準を構築する。それは例えば、チップの容積、どれくらいのニューロンをシミュレーションするか、そして、それが消費する力はどの程度か。

研究で広く使われているのに十分手頃なシステムを構築するBoahenの目的でキープする際に、Neurogridは、ニューロンをシミュレーションする非常に費用効果的な方法であった。



しかし、多くの作業が待ち受けている。

現在の100万-ニューロンNeurogrid回路ボードの各々は、約40,000ドルがかかった。

Boahenは、劇的なコスト削減が可能性があると考えている。

Neurogridは16のNeurocoresに基づく。そして、それぞれは65,536のニューロンをサポートする。

それらのチップは、15年前の製造技術を使って作られた。

最新の製造プロセスへ切り替えて、かなりの量でチップを製造することによって、彼は100倍にNeurocoreのコストを下げる可能性がある ― 100万-ニューロン・ボードの1コピーにつき400ドルを示唆している。



構成するのが容易なより安価なハードウェアとコンパイラ・ソフトウェアで、これらのneuromorphicシステムは、多数のアプリケーションを捜し出す可能性がある。

例えば、ヒトの脳と同程度に高速で効率的なチップは、自分自身の動きの速度と複雑さで人工の四肢をドライブする可能性がある ― そして電源は不要である。

Boahenの研究室の小さい人工腕は、リアルタイムに運動コマンドを実行するために、現在Neurogridによって制御されている。

今のところ、それはたいしたもののように見えない、しかし、その単純なレバーと関節は将来のロボット四肢に対する望みを握る。



もちろん、これらのneuromorphic努力の全ては、ヒトの脳の複雑さと効率によって無力にされる。

彼の論文では、Boahenは、Neurogridが100万ニューロンの個人コンピュータシミュレーションより、約100,000倍も省エネ型であることを強調する。

それでも、それは『我々の生物学的CPU』と比較してエネルギー・ブタである。

「ヒトの脳は、Neurogridより80,000倍も多いニューロンで、わずか3倍しか力を消費しない」、Boahenは記している。

「より大きな構成可能性とスケールを提供する一方で、エネルギー効率のこのレベルを成し遂げることは、neuromorphicエンジニアが取り組む最終的な課題である。」

学術誌参照：
1.Neurogrid：大規模な神経シミュレーションのための、アナログ・デジタル混合性のMultichipシステム。

Proceedings of the IEEE、2014;

http://www.sciencedaily.com/releases/2014/04/140428134051.htm

<コメント>
スタンフォードが脳の回路をシミュレーションする100万ニューロンクラスの回路の製作に成功したという記事です。
人工関節とセットで100万円くらいで市販されたら1台ぜひ欲しいです。

Youtubeで動画も見れます。

http://www.youtube.com/watch?v=D3T1tiVcRDs


http://www.nature.com/news/neuroelectronics-smart-connections-1.14089