哈佛科學家開發了一種具有AI大腦的虛擬大鼠模型，以研究大腦如何控制真正的大鼠的運動。這種創新的模型準確地模擬了在實際大鼠中觀察到的神經活動，從而導致類似的行為。
哈佛大學研究人員與Google的DeepMind AI實驗室合作，旨在更好地了解大腦控制運動的方式。
虛擬神經科學的進步
與之合作Google的DeepMind AI實驗室，哈佛大學研究人員開發了一種虛擬大鼠模型，該模型具有人工大腦，能夠複製自然運動。該模型旨在增強對大腦如何調節運動的理解。
儘管機器人技術取得了重大進展，但有趣的工程報導說，模仿動物和人類運動的流動性仍然是一個挑戰。哈佛大學研究生參與該項目的迭戈·奧爾達隆多（Diego Aldarondo）強調了硬件和軟件的障礙。
Aldarondo闡述了硬件和軟件域中都存在挑戰。在硬件方面，研究人員努力在機器人中復制動物體的靈活性，魯棒性和能源效率。
另一方面，軟件障礙涉及開發有效的物理模擬和機器學習管道，以訓練控制器以準確模仿人類運動。
他還指出了“ SIM到真實的差距”，這使模擬中的控制器轉移到真實機器人，這是由於物理模擬器和現實世界中的差異。
與BenceÖlveczky合作，有機與進化生物學系教授以及哈佛大學和Google Deepmind的其他同事，Aldarondo領導了大鼠生物準確的數字模型的發展。
CDC警告說，大鼠在大流行期間變得越來越侵略性：食物傳播的疾病可能會傳播 oxana kuznetsova在Unsplash上
開發虛擬大鼠模型
研究人員與Google DeepMind合作，由於其在培訓人工神經網絡（ANN）方面的專業知識，能夠控制物理模擬器中動物的生物力學模型。
他們利用Mujoco，一種物理模擬器複製重力和其他物理力。他們設計了一條稱為運動模仿和控制（模擬）的新管道，以訓練ANN以模擬大鼠行為。
研究人員使用從實際大鼠獲得的詳細數據訓練了ANN。 Aldarondo強調了這一進步的重要性神經科學，因為它促進了在物理模擬中模擬動物運動的計算模型的發展。
這可以預測真正的大腦中預期的神經活動模式。研究人員採用了ANN，構建了反向動態模型，被認為是我們的大腦用於指導身體運動，並從當前身體狀態過渡到預期狀態。
Aldarondo闡述了更簡單的術語，一個逆模型決定了在考慮身體物理學時達到特定姿勢所必需的肌肉激活。該框架在運動神經科學中證明是有價值的，因為它需要學習如何通過與環境互動來適應人體的身體特徵。
從實際大鼠那裡收集的信息協助虛擬模型理解即使沒有直接訓練它們，就可以產生預定的運動以達到特定狀態的力量。
在測量實際大鼠和虛擬模型中的神經活動後，研究人員發現虛擬模型準確地預期了實際大鼠中觀察到的神經活動。
這標誌著虛擬神經科學中新時代的開始，其中可以使用AI模擬的動物來研究神經迴路，並有可能探索它們如何受到各種疾病的影響。
