Algunos artículos de Física en Nature Communications

Una barra en voladizo (fija por un extremo) es el prototipo de los sistemas micromecánicos para la medida ultrasensible de masas y de fuerzas en la nanoescala. Este sistema presenta una resonancia estocástica que hace que su movimiento oscilatorio bifurque entre dos estados estables en respuesta a un ruido blanco (biestabilidad debida a una amplificación paramétrica). Este fenómeno permite usar este sistema micromecánico para medir señales muy débiles incluso en un medio ambiente muy ruidoso.

El artículo técnico, para los interesados en los detalles, es Warner J. Venstra, Hidde J. R. Westra, Herre S. J. van der Zant, «Stochastic switching of cantilever motion,» Nature Communications 4: 2624, 31 Oct 2013 (ver también Warner J. Venstra et al., «Mechanical stiffening, bistability, and bit operations in a microcantilever,» arXiv:1011.1309 [cond-mat.mes-hall]).

Los clubs exclusivos de hubs en el cableado neuronal del cerebro

«Un concentrador o hub permite centralizar el cableado de una red; recibe una señal y repite esta señal emitiéndola por sus diferentes puertos.» Ciertas regiones del cerebro actúan como hubs que están muy interconectados entre sí; según un nuevo estudio de van den Heuvel y Sporns los grupos de hubs muy bien interconectados se comportan como clubs exclusivos y son cruciales para una comunicación eficiente entre las neuronas del cerebro. Nos lo ha contado Katherine Whalley, «Neuronal networks: In the rich club,» Nature Reviews Neuroscience 13: 3, January 2012, quien se hace eco del artículo técnico de Martijn P. van den Heuvel, Olaf Sporns, «Rich-Club Organization of the Human Connectome,» The Journal of Neuroscience 31: 15775-15786, 2011.  Me enteré de estos artículos gracias a Xurxo Mariño (@xurxomar) a quien agradezco su labor.

Los autores realizaron imágenes corticales de 21 individuos sanos y estudiaron la conectividad estructural de dichas regiones (68 corticales y 14 subcorticales, que fueron divididas en 1170 parcelas). Aplicando técnicas de la teoría de grafos red descubrieron un conjunto de 12 regiones que están más densamente interconectadas entre sí que cualquier otro conjunto de regiones del cerebro y al que casi todas las otras regiones examinadas están conectadas. Estas regiones presentan funciones fundamentales para el cerebro y cualquier «ataque» que dañe los ganglios en estas regiones tiene un efecto mucho mayor que cualquier otro ataque al azar, lo que podría ofrecer pistas sobre cómo ciertas enfermedades afectan al funcionamiento general del cerebro.

Un modelo biomimético de la retina humana basado en memristores nanotecnológicos

El futuro de la ley de Moore son los memristores, dispositivos nanotecnológicos que ahora permiten desarrollar memorias flash ultrarrápidas e “inteligentes”. Sin embargo, desde su descubrimiento teórico en 1971 por Leon O. Chua, el memristor también se ha propuesto como modelo de redes de neuronas. Lo último sobre esto es el modelo biomimético de la retina propuesto por científicos húngaros y británicos, donde la parte «inteligente» de la retina está basada en memristores; gracias a ellos este nuevo modelo permite un amplio rango dinámico (ver tanto imágenes muy oscuras como muy claras), además de un reconocmiento automático de bordes. Por ahora estas retinas artificiales nanotecnológicas son solo modelos teóricos (los autores del artículo han simulado unos pocos fotorreceptores utilizando Matlab y PSPICE), pero dentro de pocos años podría haber prototipos de laboratorio; en mi opinión, el futuro de estas aplicaciones de los memristores es muy prometedor. El artículo técnico es Andras Gelencser, Themistoklis Prodromakis, Christofer Toumazou, Tamas Roska, «A Biomimetic Model of the Outer Plexiform Layer by Incorporating Memristive Devices,» ArXiv, 3 Dec 2011.

El modelo de Gelencser y sus colegas considera la zona intermedia de la retina (capa OPL) en donde se encuentran las células bipolares y las células horizontales, dos tipos de neuronas. Las neuronas disponen de dos terminaciones, una dendrita y un axón. Como muestra la figura, la dendrita conecta las células bipolares con las células fotorreceptoras (los conos y los bastones), mientras que el axón sirve para realizar la conexión con la capa celular más externa de la retina, formada por las llamadas células ganglionares de las que parte el nervio óptico. Las células horizontales permiten una conexión «horizontal» entre las células bipolares, pero también son sensibles a la luz y permiten el gran rango dinámico que presenta la retina (sobre todo a la hora de adaptarse a situaciones con muy poca luz ambiental). Ambos tipos de neuronas son simuladas por un memristor adecuadamente conectado, que además, simula bien sus propiedades más importantes. Al usar el mismo elemento nanoelectrónico para dos tipos de neuronas diferentes se simplifica su implementación física. 

El superordenador Blue Gene de IBM logra simular el cerebro completo de un gato (o el 4,5% de un cerebro humano)

Deep Blue venció a Kasparov al ejedrez y ahora Blue Gene simula mil millones de neuronas y diez billones de sinapsis, el equivalente neuronal al cerebro de un gato. Uno de los superordenadores más rápidos del mundo de IBM ha logrado algo que parecía imposible; eso sí, el consumo energétic0 de Blue Gene es enorme comparado con el del cerebro de un minino (tiene 147 456 procesadores trabajando en paralelo). Nadie duda de que en los próximos años IBM logrará simular un cerebro humano gracias a Blue Gene (nuestro cerebro tiene alrededor de 20 mil millones de neuronas y unos 200 billones de sinapsis); se estima que lo lograrán antes de 2019. El artículo técnico es Rajagopal Ananthanarayanan, Steven K. Esser, Horst D. Simon, Dharmendra S. Modha, «The Cat is Out of the Bag: Cortical Simulations with 10^9 Neurons, 10^13 Synapses,» PDF, IBM, 2011. Visto gracias a Mark Fischetti, «IBM Simulates 4.5 percent of the Human Brain, and All of the Cat Brain,» Scientific American, October 25, 2011.

El simulador cortical masivamente paralelo de IBM se llama C2. Su simulación en el superordenador Dawn Blue Gene/P del Lawrence Livermore National Laboratory (LLNL), con 147 456 CPUs y 144 TB de memoria, ha permitido simular 1 617 millones de neuronas y 8,87 billones de sinapsis. La simulación aún no es en tiempo real, se estima que es 643 veces más lenta. Estas simulaciones están financiadas por el programa financiado por DARPA llamado SyNAPSE (Systems of Neuromorphic Adaptive Plastic Scalable Electronics) cuyo objeto es lograr simular un cerebro humano completo en menos de una década. No es la primera vez que simula el cerebro de un mamífero y en 2007, utilizado el ordenador Blue Gene/L del Centro de Investigación T. J. Watson de IBM, con 32 768 CPUs y 8 TB de memoria, se logró simular el cerebro de un ratón (un circuito neurocortical con una complejidad similar al cerebro de un ratón).

El elemento básico del cerebro es la neurona, una célula especializada en integrar la información que recibe de unas miles de otras neuronas gracias a sus dendritas y de generar señales que se conectan con otras miles de neuronas gracias a su axón. Cada una de estas conexiones se denominan sinapsis. La corteza cerebral o córtex es una delgada capa de tejido nervioso de unos milímetros de espesor que recubre la superficie de los dos hemisferios cerebrales (gracias a las circunvoluciones su área superficial es de unos 2500 centímetros cuadrados). Se cree que el pensamiento superior (la imaginación, el juicio y la toma de decisiones) se realiza en esta parte del encéfalo. Obviamente, la simulación cortical de IBM utiliza como unidad básica un modelo muy simplificado de una neurona. Estas neuronas reciben y emiten señales en forma de picos de potencial eléctrico. Por ahora no se puede afirmar que estas neuronas «piensen» o algo por el estilo. Pero debemos entender este avance como un paso más hacia una máquina pensante en un futuro (en mi opinión) aún muy lejano.

¿Cuándo se podrá simular un cerebro humano completo en tiempo real? La gráfica de arriba aplica la ley de Moore y estima que para 2019 habrá superordenadores capaces de simular en tiempo real todas las neuronas y todas las sinapsis de la corteza cerebral humana. ¿Para qué sirve todo esto? Por ahora su interés científico y aplicado es limitado (¿para qué sirvió que Deep Blue le ganara a Kasparov?). Pero quien sabe, quizás estamos viviendo la «prehistoria» de las máquinas pensantes.

PS: En menéame he observado que esta noticia ya fue noticia en 2009. La web de Scientific American ha rescatado de nuevo esta noticia, que yo no recordaba, porque en su número de noviembre de 2011 dedican una página a comparar Cerebros y Ordenadores. La figura que ilustra la comparación es la siguiente.

Las moscas también duermen la siesta, no sólo las españolas

La vida de una mosca gira en torno a una monótona rutina, despertarse  antes del amanecer, tomar una siesta al mediodía y tomar un largo paseo antes del anochecer, como muestra la figura que representa la actividad locomotriz de moscas del vinagre a lo largo de 24 horas. Los genetistas británicos Ezio Rosato and Charalambos P. Kyriacou, en «Sleep, arousal, and rhythms in flies,» PNAS 105: 19567-19568, December 16, 2008 , nos resumen los últimos avances en las investigaciones que tratan de desentrañar los mecanismos genéticos responsables de esta monótona vida, básicamente una compleja conexión entre ritmos circadianos (día/noche), efectos sociales y efectos medioambiantales.

Los ritmos circadianos asociados al aparato locomotor en las moscas son generados por una red de unas 150 neuronas. Estas neuronas se suelen clasificar en células de noche (evening cells o células E) y células de mañana (morning cells o células M. Pero también hay otras neuronas que son importantes en estos proceos. Ciertas neuronas situadas en la retina (ojos) que reciben la luz, la amplifican y modulan el ritmo circadiano del resto de la red (en la figura vemos un corte transversal de una mosca, mostrando los dos ojos a ambos lados y las neuronas de estos circuitos que se encuentran en la retina, azul, y las que se encuentran en el cerebro de la mosca, verde). Estas neuronas no sólo son fotosensibles sino que también se ven influidas por el entorno ya que expresan ciertas histaminas (por ejemplo, les afecta la cocaína).

Para estudiar el efecto de cada una de las neuronas de estas redes es necesario un método que permita estimular o eliminar una a una cada una de estas neuronas. Lo han logrado Yuhua Shanga, Leslie C. Griffith, Michael Rosbasha, «Light-arousal and circadian photoreception circuits intersect at the large PDF cells of the Drosophila brain,» 105: 19587-19594, December 16, 2008 . Los autores han aplicado la técnica para estudiar la función de las neuronas laterales ventrales grandes (l-LNvs, en azul en la figura) parte fundamental del control de los ritmos circadianos en el cerebro de la Drosophila. Resultados similares han sido obtenidos por V. Sheeba et al., «Large ventral lateral neurons modulate arousal and sleep in Drosophila,» Curr. Biol. 18: 1537-1545, Oct 28 , 2008 .

Estos estudios, todavía en fase muy primitiva, muestran cómo genéticamente se puede controlar la calidad y la cantidad del sueño (en moscas), así como el efecto del entorno. No sólo se estudian moscas, sino también algunas hormigas (como Camponotus compressus) en las que hay obreras que trabajan de noche y obreras que trabajan de día. Sin entrar en detalles técnicos, los que padecen insomnio y otras enfermedades relacionados con el sueño, deben estar contentos por estos descubrimientos.