Forskare vid Caltech har utvecklat ett artificiellt neuralt nätverk av DNA som kan lösa ett klassiskt maskininlärningsproblem:korrekt identifiering av handskrivna nummer. Arbetet är ett viktigt steg för att demonstrera förmågan att programmera artificiell intelligens i syntetiska biomolekylära kretsar.

Arbetet utfördes i Lulu Qians laboratorium, biträdande professor i bioteknik. Ett papper som beskriver forskningen visas online den 4 juli och i den 19 juli tryckta utgåvan av tidningen Natur .

"Även om forskare bara har börjat utforska skapande av artificiell intelligens i molekylära maskiner, dess potential är redan obestridlig, "säger Qian." I likhet med hur elektroniska datorer och smarta telefoner har gjort människor mer kapabla än för hundra år sedan, konstgjorda molekylära maskiner kan göra alla saker gjorda av molekyler, kanske även färg och bandage, mer kapabel och mer lyhörd för miljön under de hundra åren som kommer. "

Artificiella neurala nätverk är matematiska modeller inspirerade av den mänskliga hjärnan. Trots att det är mycket förenklat jämfört med deras biologiska motsvarigheter, artificiella neurala nätverk fungerar som nätverk av neuroner och kan bearbeta komplex information. Qian -laboratoriets slutliga mål för detta arbete är att programmera intelligenta beteenden (förmågan att beräkna, göra val, och mer) med artificiella neurala nätverk gjorda av DNA.

"Människor har var och en över 80 miljarder neuroner i hjärnan, med vilka de fattar mycket sofistikerade beslut. Mindre djur som rundmask kan fatta enklare beslut med bara några hundra neuroner. I det här arbetet, vi har designat och skapat biokemiska kretsar som fungerar som ett litet nätverk av neuroner för att klassificera molekylär information väsentligt mer komplex än tidigare möjligt, säger Qian.

För att illustrera förmågan hos DNA-baserade neurala nätverk, Qian -laboratorieexamen Kevin Cherry valde en uppgift som är en klassisk utmaning för elektroniska artificiella neurala nätverk:att känna igen handstil.

Mänsklig handstil kan variera mycket, och så när en person granskar en klottrad sekvens av siffror, hjärnan utför komplexa beräkningsuppgifter för att identifiera dem. För det kan vara svårt även för människor att känna igen andras slarviga handstil, identifiera handskrivna nummer är ett vanligt test för programmering av intelligens i artificiella neurala nätverk. Dessa nätverk måste "läras" hur man känner igen tal, ta hänsyn till variationer i handstil, jämför sedan ett okänt nummer med deras så kallade minnen och bestäm nummerets identitet.

I det arbete som beskrivs i Natur papper, Körsbär, vem är den första författaren på tidningen, visat att ett neuralt nätverk som består av noggrant utformade DNA -sekvenser kan utföra föreskrivna kemiska reaktioner för att exakt identifiera "molekylär handstil". Till skillnad från visuell handstil som varierar i geometrisk form, varje exempel på molekylär handstil tar faktiskt inte formen av ett tal. Istället, varje molekyltal består av 20 unika DNA -strängar valda bland 100 molekyler, var och en tilldelad att representera en individuell pixel i valfritt 10 x 10 mönster. Dessa DNA -strängar blandas ihop i ett provrör.

"Bristen på geometri är inte ovanlig i naturliga molekylära signaturer men kräver fortfarande sofistikerade biologiska neurala nätverk för att identifiera dem:till exempel en blandning av unika luktmolekyler består av en lukt, säger Qian.

Med tanke på ett särskilt exempel på molekylär handstil, DNA -neurala nätverket kan klassificera det i upp till nio kategorier, var och en representerar en av de nio möjliga handskrivna siffrorna från 1 till 9.

Först, Cherry byggde ett neuralt DNA -nätverk för att skilja mellan handskrivna 6:or och 7:or. Han testade 36 handskrivna nummer och provrörets neurala nätverk identifierade dem alla korrekt. Hans system har teoretiskt sett förmågan att klassificera över 12, 000 handskrivna 6:or och 7:or - 90 procent av dessa siffror hämtade från en databas med handskrivna nummer som används i stor utsträckning för maskininlärning - till de två möjligheterna.

Avgörande för denna process var att koda en "vinnare ta alla" konkurrensstrategi med hjälp av DNA -molekyler, utvecklat av Qian och Cherry. I denna strategi, en särskild typ av DNA -molekyl som kallades förintelsen användes för att välja en vinnare när man bestämde identiteten på ett okänt nummer.

"Förintelsen bildar ett komplex med en molekyl från en konkurrent och en molekyl från en annan konkurrent och reagerar för att bilda inert, oreaktiva arter, "säger Cherry." Förintelsen äter snabbt upp alla konkurrentmolekylerna tills bara en enda konkurrerande art återstår. Den vinnande konkurrenten återställs sedan till en hög koncentration och producerar en fluorescerande signal som anger nätverkens beslut. "

Nästa, Cherry byggde på principerna för sitt första DNA -neurala nätverk för att utveckla ett ännu mer komplext, ett som kan klassificera enkelsiffriga nummer 1 till 9. När det ges ett okänt nummer, denna "smarta soppa" skulle genomgå en rad reaktioner och mata ut två fluorescerande signaler, till exempel, grönt och gult för att representera en 5, eller grönt och rött för att representera en 9.

Qian och Cherry planerar att utveckla artificiella neurala nätverk som kan lära sig, bildar "minnen" från exempel som läggs till provröret. Den här vägen, Qian säger, samma smarta soppa kan tränas för att utföra olika uppgifter.

"Vanlig medicinsk diagnostik upptäcker förekomsten av några få biomolekyler, till exempel kolesterol eller blodsocker. "säger Cherry." Med hjälp av mer sofistikerade biomolekylära kretsar som vår, diagnostiska tester kan en dag innehålla hundratals biomolekyler, med analys och svar utfört direkt i den molekylära miljön. "

Papperet har titeln "Skala upp molekylärt mönsterigenkänning med DNA-baserade vinnare-ta-alla neurala nätverk."