ग्राफीन हमारे दिमाग को मशीनों से जोड़ने की कुंजी रख सकता है

आपका मस्तिष्क इलेक्ट्रिक गतिविधि का एक छत्ता है - सिग्नल फायरिंग, डेटा स्ट्रीमिंग। यह कुल अराजकता का एक ब्लैक बॉक्स भी है। अब तक, अपने न्यूरॉन्स को उपकरणों और कंप्यूटरों पर हुक करने का सबसे अच्छा तरीका केवल न्यूरॉन्स के व्यापक स्वैट्स का सर्वेक्षण करना और वे क्या कर रहे हैं, इस बारे में एक व्यापक सहमति लेना है। लेकिन ग्राफीन टेक में एक स्पष्ट सफलता यह आशा करती है कि हम इसमें टैप करने में सक्षम हो सकते हैं व्यक्तिगत तंत्रिका संकेत एक मौजूदा जैविक सेटिंग में, प्रोथेस, सीखने और मानसिक स्वास्थ्य के संरक्षण के लिए विशाल प्रभाव के साथ।

स्पेन, इटली और यूके के शोधकर्ताओं की एक टीम ने प्रदर्शित किया है कि ग्राफीन न्यूरॉन्स के साथ सफलतापूर्वक इंटरफेस कर सकता है, और उनसे विद्युत संकेत ले सकता है। यह काम पिछले प्रयासों पर बनाता है जिसमें ग्रेफीन को न्यूरोनल आसंजन को बढ़ावा देने के लिए पेप्टाइड्स के साथ लेपित किया गया था, और यह दिखाया कि इस तरह की कोटिंग अनावश्यक है। पिछले प्रयासों और अन्य तकनीकों के विपरीत, इस कार्य ने निशान ऊतक को ट्रिगर नहीं किया, जिसने समय के साथ, अन्य प्रत्यारोपणों को बेकार कर दिया। भी, अनुपचारित ग्राफीन का उपयोग करने वाले इस संस्करण में उच्च सिग्नल-टू-शोर अनुपात है जो इसे जैविक अनुप्रयोगों के लिए अधिक व्यावहारिक बनाता है।

इस काम के लिए पहला लक्ष्य पार्किंसंस के इलाज के रूप में हैं। मौजूदा तंत्रिका इंटरफ़ेस तकनीकें एक न्यूरॉन के आउटपुट को पढ़ती हैं और इसे किसी और चीज़ में अनुवाद करती हैं। न्यूरॉन्स के साथ सीधे हस्तक्षेप करके, यह आशा की जाती है कि इस कार्य का उपयोग सिग्नल के साथ हस्तक्षेप करने के लिए किया जा सकता है। चूंकि पार्किंसंस तंत्रिका संकेतों को बाधित करने में विफल है, एक तकनीक जो बाहरी संकेतों को कृत्रिम रूप से अवरुद्ध कर सकती है, इस समस्या को हल कर सकती है। यह सोचा गया कि यह है कि मौजूदा इम्प्लांटेबल इलेक्ट्रोड कैसे काम करते हैं: गैर-विशेष रूप से प्रसारित विद्युत आवेगों द्वारा जो इन अनुचित संकेतों के साथ हस्तक्षेप करते हैं। व्यक्तिगत न्यूरॉन रिज़ॉल्यूशन कहीं अधिक नियंत्रण प्रदान कर सकता है।

ग्राफीन जैविक इंटरफ़ेस के लिए एक आदर्श सामग्री है: यह लचीला, स्थिर और बायोकंपैटिबल है। क्योंकि यह एक विद्युत आवेश को वहन करने में सक्षम है, इसने तंत्रिका अनुप्रयोगों में उपयोग के लिए शोध के हित को प्रशस्त किया है।

ग्राफीन मजबूत है, लेकिन क्या यह कठिन है? http://t.co/uUfeb1h0oN @ENERGY #MaterialsScience pic.twitter.com/BippvPpK7C

- बर्कले लैब (@BerkeleyLab) 22 फरवरी, 2016

विद्यमान न्यूरल इंटरफ़ेस तकनीक इलेक्ट्रोड की एक सरणी का उपयोग करके न्यूरॉन्स के एक पूरे क्षेत्र का मूल्यांकन करती है (जैसे कि हालिया उदाहरण जो व्यक्तिगत उंगलियों को नियंत्रित करने के लिए इस्तेमाल किया गया था)। हालांकि यह कुछ सेटिंग्स में उपयोगी हो सकता है, यह आपके द्वारा इच्छित सिग्नल को खोजने के लिए कई, कई न्यूरॉन्स के आउटपुट के माध्यम से झारना मुश्किल हो सकता है। लेकिन व्यक्तिगत न्यूरॉन्स के साथ इंटरफेसिंग के संकल्प के लिए नीचे उतरें, और संभावित अभूतपूर्व नियंत्रण है - तंत्रिका कृत्रिम अंग के लिए सभी प्रकार की क्षमता के साथ।

आपको अभी भी यह सुनिश्चित करने के लिए एक परिष्कृत तंत्र की आवश्यकता है कि केवल उचित न्यूरॉन्स से संपर्क किया जाए; आपको यह नापसंद करना चाहिए कि कौन सा संकेत कहाँ से आ रहा है; और आपको संकेतों के इस कैकोफनी का अनुवाद करना होगा।

इलेक्ट्रोड को लागू करना भी मुश्किल हो सकता है। मौजूदा प्रौद्योगिकियां मस्तिष्क के ऊतकों में इलेक्ट्रोड को डुबोती हैं और निश्चित रूप से रास्ते में कुछ कनेक्शनों को नुकसान पहुंचाती हैं। क्योंकि यह तकनीक केवल फ़ील्ड रिकॉर्डिंग से संबंधित है, इसलिए कुछ न्यूरॉन्स का नुकसान समस्याग्रस्त नहीं है। यदि लक्ष्य व्यक्तिगत न्यूरॉन्स के साथ इंटरफेस करना है, तो यह एक महत्वपूर्ण मुद्दा हो सकता है।

इसके अलावा, सिस्टम को "कैलिब्रेट" करने की आवश्यकता हो सकती है और तंत्रिका संकेतों की समय और ताकत गंभीर रूप से महत्वपूर्ण है। आम तौर पर, आपका मस्तिष्क खुद को जांचता है। जब आप एक बेसबॉल बैट को स्विंग करने का अभ्यास करते हैं, उदाहरण के लिए, आप कनेक्शन को सुदृढ़ करने और बल और दिशा की सही मात्रा का उपयोग करने के लिए प्रतिक्रिया, सकारात्मक या नकारात्मक भेजते हैं। यदि आपको इन चीजों को मैन्युअल रूप से एक सिस्टम में समायोजित करना है जो स्वयं-सही नहीं है, तो यह चीजों को और अधिक चुनौतीपूर्ण बना सकता है। (यह ध्यान देने योग्य है कि मस्तिष्क "प्लास्टिक" होने के कारण बहुत अच्छा है और हालांकि, यह आपकी प्रतिक्रियाओं के आधार पर अपने स्वयं के आउटपुट को संशोधित करके अपनी समस्या को हल कर सकता है।)

इस प्रकार की समस्याएं इंजीनियरिंग समस्याएं हैं, हालांकि, और हल करना असंभव नहीं है। एक बार इन चुनौतियों का हल हो जाने के बाद, व्यक्तिगत न्यूरॉन्स के साथ इंटरफेस करने की क्षमता गहरा हो सकती है। उदाहरण के लिए, आपके मस्तिष्क में "संयोग डिटेक्टर" एक से अधिक न्यूरॉन से आने वाले तंत्रिका आवेगों का पता लगाता है। यदि दोनों से इनपुट का समय काफी करीब है, तो यह संयोग डिटेक्टर में एक आवेग को ट्रिगर करेगा। इस तंत्र का उपयोग कई संदर्भों में किया जाता है, जिनमें से एक सीखने में है।

क्योंकि यह तंत्र विभिन्न तंत्रिका घटनाओं को जोड़ने में महान है, उनका उपयोग उन अवधारणाओं का निर्माण करने के लिए किया जा सकता है जो मस्तिष्क के सुदूर हिस्सों को एक साथ जोड़ते हैं, और इसलिए एक नया विचार सीखते हैं। यदि इस प्रक्रिया को मैन्युअल रूप से नियंत्रित किया जा सकता है, तो कोई सीखने की एक मैट्रिक्स-एस्क शैली की कल्पना कर सकता है, जिसमें संयोग डिटेक्टरों को मैन्युअल रूप से विभिन्न अवधारणाओं को जोड़ने और एक कक्षा में कभी भी पैर सेट किए बिना एक विचार बनाने के लिए ट्रिगर किया जाता है। हालांकि, अल्पावधि में, पार्किंसंस में अनुचित सिग्नलिंग को रोकना कहीं कम मुश्किल होगा। पहले चिकनी आंदोलनों को संरक्षित करने के लिए ग्राफीन की तलाश करें - शायद बाद में अधिग्रहण करने के लिए यादें आसान बनाने से पहले।