réseau-neurones-artificielles

Les chercheurs de Caltech ont développé un réseau de neurones artificiels à base d’ADN capable de résoudre des problèmes d’apprentissages automatiques, comme identifier correctement les nombres manuscrits. ce travail est une étape importante dans la démonstration de la capacité à programmer l’intelligence artificielle dans des circuits biomoléculaires synthétiques.

« Bien que les scientifiques commencent seulement à explorer la possibilité de créer une intelligence artificielle dans des machines moléculaires, son potentiel est déjà indéniable », explique Qian. « Similaire à la façon dont les ordinateurs électroniques et les téléphones intelligents ont rendu les humains plus efficients qu’il y a cent ans, les machines moléculaires artificielles pourraient rendre toutes les choses faites de molécules, peut-être même de la peinture et des pansements, plus efficients et plus sensibles à leur environnement. »

Des modèles mathématiques

Les réseaux de neurones artificiels sont des modèles mathématiques inspirés par le cerveau humain. Bien qu’ils soient très simplifiés par rapport à leurs homologues biologiques, les réseaux neuronaux artificiels fonctionnent comme des réseaux de neurones et peuvent traiter des informations complexes. Le but ultime du laboratoire de Qian pour ce travail est de programmer des comportements intelligents – comme la capacité à calculer ou faire des choix – avec des réseaux neuronaux artificiels faits d’ADN.

« Les humains ont chacun plus de 80 milliards de neurones, à partir desquels ils prennent des décisions hautement sophistiquées. Les petits animaux tels que les vers ronds peuvent prendre des décisions plus simples en utilisant seulement quelques centaines de neurones. « Dans ce travail, nous avons conçu et créé des circuits biochimiques qui sont en quelque sorte un petit réseau de neurones, pour classer l’information moléculaire plus complexe.», explique Qian.

La reconnaissance de l’écriture manuscrite

Pour illustrer la capacité des réseaux neuronaux basés sur l’ADN, Kevin Cherry, étudiant diplômé en laboratoire à Qian, a choisi une tâche qui constitue un défi classique pour les réseaux de neurones artificiels électroniques: la reconnaissance de l’écriture manuscrite.

L’écriture humaine peut varier considérablement, et donc quand une personne scrute une séquence griffonnée de nombres, le cerveau effectue des tâches de calcul complexes afin de les identifier. Parce qu’il peut être difficile, même pour les humains, de reconnaître l’écriture bâclée d’une personne, l’identification manuscrite est un test commun pour la programmation de l’intelligence dans des réseaux neuronaux artificiels. Ces réseaux doivent «apprendre» à reconnaître les nombres, à tenir compte des variations dans l’écriture, puis à comparer un nombre inconnu à leurs soi-disant souvenirs et à décider de l’identité du numéro.

adn

Dans ce travail décrit pour la première fois dans Nature, Cherry, qui est le premier auteur de l’article, a démontré qu’un réseau neuronal constitué de séquences d’ADN soigneusement conçues pouvait effectuer des réactions chimiques prescrites, pour identifier avec précision «l’écriture moléculaire». Contrairement à l’écriture visuelle qui varie en forme géométrique, chaque exemple d’écriture moléculaire ne prend pas la forme d’un nombre. Au lieu de cela, chaque nombre moléculaire est constitué de 20 brins d’ADN uniques, choisis parmi 100 molécules, chacune affectée pour représenter un pixel individuel dans n’importe quel motif 10 par 10. Ces brins d’ADN sont mélangés ensemble dans un tube à essai.

« Le manque de géométrie n’est pas rare dans les signatures moléculaires naturelles, mais nécessite encore des réseaux de neurones biologiques sophistiqués pour les identifier par exemple, un mélange de molécules odorantes qui comprend une odeur », explique Qian. Pour une écriture moléculaire, le réseau neuronal d’ADN peut le classer en neuf catégories, chacune représentant l’un des neuf chiffres manuscrits de 1 à 9.

Il peut classer plus de 12 000 chiffres manuscrits 6s et 7s

Cherry a d’abord construit un réseau neuronal d’ADN pour distinguer les chiffres 6s et 7s manuscrits. Il a testé 36 numéros manuscrits et le réseau neuronal du tube à essai les a tous identifiés correctement. Son système a théoriquement la capacité de classer plus de 12 000 chiffres manuscrits 6s et 7s – 90% de ces chiffres tirés d’une base de données manuscrites largement utilisées pour l’apprentissage automatique – dans les deux possibilités (les « S » représentant les variantes).

Un élément crucial de ce processus était l’encodage d’une stratégie compétitive «gagnante» en utilisant des molécules d’ADN, développées par Qian et Cherry. Dans cette stratégie, un type particulier de molécule d’ADN surnommé l’annihilateur a été utilisé pour sélectionner un gagnant lors de la détermination de l’identité d’un nombre inconnu.

« L’annihilateur forme un complexe avec une molécule d’un compétiteur et une molécule d’un concurrent différent et réagit pour former des espèces inertes et non réactives », explique Cherry. « L’annihilateur supprime rapidement toutes les molécules du compétiteur jusqu’à ce qu’il ne reste plus qu’une seule espèce concurrente, le compétiteur gagnant est ensuite restauré à une concentration élevée et produit un signal fluorescent indiquant la décision des réseaux. »

Un réseau encore plus complexe

Ensuite, Cherry a construit, sur les principes de son premier réseau neuronal d’ADN, un réseau encore plus complexe, qui pouvait classer les nombres à un chiffre de 1 à 9. Quand il a donné un nombre inconnu, cette « soupe intelligente » subirait une série de réactions et de sortie de deux signaux fluorescents, par exemple, vert et jaune pour représenter un 5, ou vert et rouge pour représenter un 9.

Qian et Cherry projettent de développer des réseaux de neurones artificiels pouvant apprendre, ou formant des «souvenirs» à partir d’exemples ajoutés au tube à essai. De cette façon, explique Qian, la même « soupe intelligente » pourra être entraînée pour effectuer différentes tâches.

Des diagnostics médicaux incluant des centaines de biomolécules

« Les diagnostics médicaux courants détectent la présence de quelques biomolécules, comme le cholestérol ou la glycémie. », explique Cherry. « En utilisant des circuits biomoléculaires plus sophistiqués comme le nôtre, les diagnostics pourraient un jour inclure des centaines de biomolécules, avec l’analyse et la réponse menées directement dans l’environnement moléculaire. »

Ce travail a été fait dans le laboratoire de Lulu Qian, professeur adjoint de bioingénierie. Un article décrivant cette recherche a été publié en ligne le 4 juillet et dans le numéro 19 de juillet de la revue Nature.

Source : Caltech