Beynimizin karmaşık işleyişini taklit etmeye çalışan bilim insanları, spike sinir ağları (SNN) alanında yeni bir atılım gerçekleştirdi. Bu ağlar, geleneksel yapay sinir ağlarından farklı olarak, beynin gerçek nöronları gibi elektriksel darbeler aracılığıyla iletişim kuruyor.
Araştırmacılar, tekrarlayan spike sinir ağlarının (RSNN) gerçek beyin verilerine uyum sağlamasındaki zorlukları aşmak için çok amaçlı optimizasyon yaklaşımı geliştirdi. Özellikle beyin salınımlarının nöral işlevlerdeki kritik rolü göz önüne alındığında, hem nöron ateşleme oranlarını hem de ağ salınım frekanslarını aynı anda optimize etmek büyük önem taşıyor.
Çalışmada, NSGA-III adlı genetik algoritma kullanılarak Izhikevich nöron modeli tabanlı ağların bağlantı parametreleri optimize edildi. Bu yöntem, spontan aktif simülasyonlu RSNN modeli ve düşük aktivasyonlu beyin organoidleri üzerinde test edildi.
Bu gelişme, hem enerji verimli yapay zeka hesaplamalarının gerçekleştirilmesi hem de deneysel nöral verilerin mekanik modellemesi açısından önemli fırsatlar sunuyor. Özellikle nörolojik hastalıkların anlaşılması ve tedavi yöntemlerinin geliştirilmesinde yeni perspektifler açabilir.