Wees dankbaar dat je niet op het dieet van een libel zit. Misschien ben je een fruitvlieg of misschien een mug, maar het zou echt niet uitmaken op het moment dat je achterom kijkt en vier krachtige vleugels achter je aan ziet beuken. Je vliegt voor je leven, ontwijkend weven, maar de libel volgt je op de een of andere manier met schijnbaar onmiddellijke reflexen. Voor een moment, je denkt dat je bent ontsnapt, net zoals het snel van onderaf dichterbij komt voor de moord.

Vervolgens, terwijl het roofdier uit het dinosaurustijdperk in je klauwt met zijn stekelige poten en je in zijn kaken in de lucht sleept, vraag je je misschien af, "Hoe heeft het me betrapt met zo'n klein brein en geen dieptewaarneming?"

Sandia National Laboratories gaat in op het antwoord met onderzoek dat aantoont hoe libellenhersenen kunnen worden bedraad om uiterst efficiënt te zijn in het berekenen van complexe trajecten.

In recente computersimulaties, faux libellen in een vereenvoudigde virtuele omgeving hebben met succes hun prooi gevangen met behulp van computeralgoritmen die zijn ontworpen om de manier na te bootsen waarop een libel visuele informatie verwerkt tijdens het jagen. De positieve testresultaten laten zien dat de programmering in de basis een degelijk model is.

Het Sandia-onderzoek onderzoekt of op libellen geïnspireerde computers de raketafweersystemen kunnen verbeteren, die de vergelijkbare taak hebben om een ​​object tijdens de vlucht te onderscheppen, door boordcomputers kleiner te maken zonder in te boeten aan snelheid of nauwkeurigheid. Libellen vangen 95% van hun prooi, waardoor ze een van de beste roofdieren ter wereld zijn.

Computationeel neurowetenschapper Frances Chance, die de algoritmen heeft ontwikkeld, presenteert haar onderzoek deze week op de International Conference on Neuromorphic Systems in Knoxville, Tennessee. Eerder deze maand, presenteerde ze op de jaarlijkse bijeenkomst van de Organisatie voor Computational Neurosciences in Barcelona, Spanje.

Onderzoek repliceert het zeer efficiënte brein van libel

Chance is gespecialiseerd in het repliceren van biologische neurale netwerken:hersenen, eigenlijk - die minder energie vergen en beter zijn in leren en aanpassen dan computers. Haar studies richten zich op neuronen, dat zijn cellen die informatie door het zenuwstelsel sturen.

"Ik probeer te voorspellen hoe neuronen in de hersenen zijn bedraad en te begrijpen wat voor soort berekeningen die neuronen doen, op basis van wat we weten over het gedrag van het dier of wat we weten over de neurale reacties, " ze zei.

Bijvoorbeeld, de reactietijd van een libel op een manoeuvrerende prooi is slechts 50 milliseconden. Een menselijke knippering duurt ongeveer 300 milliseconden. Vijftig milliseconden is slechts genoeg tijd voor informatie om ongeveer drie neuronen te passeren. Met andere woorden, een libel bij te houden, een kunstmatig neuraal netwerk moet informatie verwerken na slechts drie stappen, hoewel omdat hersenen veel signalen tegelijk afvuren, elke stap kan veel berekeningen met zich meebrengen die tegelijkertijd worden uitgevoerd.

sneller, lichter computergebruik voor raketverdediging

Raketafweersystemen vertrouwen op gevestigde onderscheppingstechnieken die, relatief gezien, rekenintensief. Maar het heroverwegen van die strategieën met behulp van zeer efficiënte libellen als model kan mogelijk:

• Verklein de maat, gewicht en stroombehoefte van boordcomputers. Hierdoor zouden interceptors kleiner en lichter kunnen zijn, en daardoor wendbaarder.
• Onthul nieuwe manieren om manoeuvrerende doelen te onderscheppen, zoals hypersonische wapens, die minder voorspelbare banen volgen dan ballistische raketten.
• Onthul nieuwe manieren om een ​​doelwit te vinden met minder geavanceerde sensoren dan momenteel worden gebruikt.

Libellen en raketten bewegen met enorm verschillende snelheden, dus het is niet bekend hoe goed dit onderzoek zich uiteindelijk zal vertalen in raketverdediging. Maar het ontwikkelen van een rekenmodel van een libellenbrein kan ook op lange termijn voordelen hebben voor machine learning en kunstmatige intelligentie.

AI wordt gebruikt in uiteenlopende sectoren, van zelfrijdend vervoer tot de ontwikkeling van geneesmiddelen op recept. Deze velden hebben baat bij zeer efficiënte methoden voor het construeren van snelle oplossingen voor complexe problemen. Lopend onderzoek bij Sandia verfijnt de algoritmen van Chance en bepaalt waar ze het meest toepasbaar zijn.