Matemáticos da Universidade Brown, nos EUA, criaram uma rede neural artificial que reproduz movimentos de caminhada e corrida de animais quadrúpedes. A pesquisa do sistema desenvolvido no Instituto Carney para Ciência do Cérebro foi publicada na revista Neural Computation neste ano.
Conforme as informações, o modelo fornece novas perspectivas sobre como o cérebro processa comportamentos complexos. A rede opera com 24 neurônios artificiais e gera cinco tipos distintos de marcha quadrúpede: salto com as patas traseiras juntas, passo lateral, trote, caminhada e pronking.
O sistema captura transições rápidas entre essas marchas sem necessidade de ajustar parâmetros do modelo. A mudança pode ser um salto repentino ou a transição de um trote para uma caminhada.
Aliás, a expectativa é de que a rede neural possa servir como inspiração para a robótica. Juliana Londono Alvarez, pesquisadora de pós-doutorado na Universidade Brown e autora principal do estudo, está em discussões com especialistas em robótica sobre a adaptação da rede para seus projetos.
Pesquisadores buscavam compreender processamento de comportamentos complexos pelo cérebro
Um robô quadrúpede inspirado na rede neural pequena e eficiente do laboratório seria capaz de operar offline, por exemplo. Os programas atuais tendem a ser caros, massivos e requerem conexão com a internet.
A pesquisa teve como objetivo expandir a compreensão sobre como o cérebro processa comportamentos dinâmicos complexos. Os cientistas buscavam demonstrar que redes de atratores podem ser úteis para além de comportamentos estáticos.
Redes de atratores são um construto matemático usado para explicar padrões de atividade neural. Um tipo de rede de atratores, conhecida como rede de Hopfield, é usada por neurocientistas para modelar comportamentos cerebrais estáticos. Esses comportamentos ocorrem quando os neurônios disparam em um padrão consistente, como recuperar informações armazenadas ao reconhecer o rosto de alguém.
A nova pesquisa da equipe expande a estrutura de atratores para criar um modelo eficiente para comportamentos dinâmicos. As descobertas sugerem que redes baseadas em atratores são mais flexíveis e interpretáveis do que outros modelos. Elas fornecem uma estrutura teórica unificada usada para estudar uma variedade de comportamentos cerebrais.
A pesquisa ocorreu durante um programa de residência no ICERM, instituto de matemática da Universidade Brown financiado pela National Science Foundation. Parte do trabalho aconteceu durante o programa Math + Neuroscience de 2023.
