https://t.me/ArtemROganov/2128

Я тоже соглашусь, но при одном условии: нужно запретить такой предмет, как «педагогика» — все равно, международная, или наша, советская. Чтоб педагогики просто не было.

БЯМ лечит, но не понимает, что делает. Врачи-люди наоборот?

https://jamanetwork.com/journals/jamanetworkopen/fullarticle/2837372

Distributed battery-free bioelectronic implants with improved network power transfer efficiency via magnetoelectrics

Сети миниатюрных имплантатов могут обеспечивать одновременную регистрацию и стимуляцию в различных частях тела, таких как сердце, центральная или периферическая нервная система. Эта технология позволяет точно отслеживать и лечить заболевания или создавать протезы с высокой степенью свободы движений. Однако беспроводная передача энергии и данных через биологические ткани часто неэффективна, особенно при увеличении количества имплантированных устройств. Мы демонстрируем, что магнитоэлектрическая беспроводная передача данных и энергии поддерживает сеть миллиметровых биоэлектронных имплантатов, где эффективность системы возрастает с увеличением числа устройств. Мы протестировали беспроводные сети без батареек с одним до шести имплантатов, где общая эффективность системы увеличилась с 0,2% до 1,3%, при этом каждый узел получал 2,2 мВт на расстоянии 1 см. Мы показали концептуальные сети миниатюрных стимуляторов спинного мозга и устройств для кардиостимуляции на крупных животных с использованием эффективной и надежной беспроводной передачи энергии. Эти магнитоэлектрические имплантаты обеспечивают масштабируемую архитектуру сети биоэлектронных устройств для медицины будущего.

https://www.nature.com/articles/s41551-025-01489-3

Causal necessity of human hippocampus for structure-based inference in learning

При встрече с новыми людьми или знакомыми в новых обстоятельствах человек интуитивно выстраивает карту их отношений, опираясь не только на прямой опыт, но и быстро определяя новые связи на основе ранее известных отношений. В ходе эксперимента с использованием новой задачи исследователи показали, что участники действительно используют знания о структуре отношений, чтобы облегчить изучение новых связей в меняющейся среде. Компьютерное моделирование выявило, что участники опирались на знания о структуре отношений для поддержки выводов, что способствовало обучению. Нейровизуализация всего мозга выявила исключительно устойчивую репрезентацию структуры отношений в гиппокампе. Нейронные сети, обученные на аналогичных задачах, демонстрировали появление репрезентаций структуры отношений, схожих с теми, что обнаружены в гиппокампе. Повреждение элементов сети, поддерживающих такие репрезентации, нарушало выводы, основанные на структуре, и указывало на ключевую роль гиппокампа. Транскраниальная ультразвуковая стимуляция гиппокампа человека, временно модулирующая его активность без воздействия на вышележащие ткани, вызывала аналогичные эффекты нарушения, эмпирически подтверждая причинную необходимость репрезентаций гиппокампа для выводов, основанных на структуре, в процессе обучения.

https://www.biorxiv.org/content/10.1101/2025.08.19.664920v1

Для эрудитов. Язык — это диполь.

Из рубрики «Философские притчи»

Однажды все думали (а многие крупные ученые очень серьезно размышляли над этим вопросом), что кем ты засыпаешь, то тем ты и просыпаешься.

Но на самом деле это было не так, поскольку сознание в проснувшегося человека привносилось произвольно выбранной душой, выбранной из резервного фонда. Она подключалась к мозгу, считывала из него информацию и начинала быть этим человеком.

И неужели новая душа не помнила, кем она была перед этим? — спросит пытливый читатель.

Нет, не помнила, потому что у души нет функции памяти. Душа обеспечивает феноменальное сознание (например, красноту красного), но память копирует из материального носителя. И вообще она во многом полагается на мозг, потому что в нем миллиарды нейронов и квадриллионы связей.

На самом деле привнесение сознания — дело непростое. И здесь душа использует функционал вселенной. Но для простоты можно полагать, что она как чистый лист бумаги, но зато обладает уникальным свойством испытывать феноменальные ощущения.

Кстати, краснота красного у всех душ одинаковая. Здесь можно закрыть вопрос.

И, надеюсь, становится понятным, почему невозможно вспомнить, кем ты был в предыдущей жизни.

А что если в резерве нет свободных душ? — спросит пытливый читатель.

Ну, если нет свободных душ, то человек некоторое время существует, как зомби. Отличить же все равно невозможно.

High-resolution liquid metal–based stretchable electronics enabled by colloidal self-assembly and microtransfer printing

Электроника на основе жидких металлов обеспечивает высокую электрическую производительность и бесшовную интеграцию с деформируемыми системами, но сталкивается с проблемами масштабируемого создания узоров высокого разрешения. В данной работе представлен метод микроструктурирования пленок из частиц жидкого металла (LMP) с размерами элементов до 5 микрометров путем интеграции электростатически управляемой коллоидной самоорганизации и микротрансферной печати. Полученные методом холодной сварки микроструктуры LMP обладают выдающимися электромеханическими свойствами, высокой проводимостью (2,4 × 10⁶ сименс на метр), растяжимостью (более 1200%) и устойчивостью сопротивления к деформациям и давлению благодаря их многоуровневой и динамичной морфологии. Демонстрации в виде высокорастяжимых датчиков деформации и устройств для картирования сердечной активности подчеркивают возможности этого метода для создания высокопроизводительных, сильно растяжимых электронных систем. В частности, микроэлектродные массивы LMP, интегрированные в баллонный катетер, демонстрируют низкое сопротивление при экстремальных деформациях и позволяют проводить высокоточное картирование электрограмм эндокарда внутри человеческого сердца. Этот метод расширяет возможности электроники на основе жидких металлов для широкого спектра применений, включая имплантируемые биомедицинские устройства и мягкую робототехнику.

https://www.science.org/doi/10.1126/sciadv.adw3044

С сознанием все стало ясно:

A beautiful loop: An active inference theory of consciousness

Может ли активное инференсное моделирование (active inference) моделировать сознание? Авторы предлагают три условия, подразумевающие, что это возможно. Первое условие — симуляция модели мира, которая определяет, что может быть известно или на что можно воздействовать; это так называемое эпистемическое поле. Второе — конкуренция инференций за вход в модель мира. Побеждают только те инференции, которые когерентно снижают долгосрочную неопределённость, демонстрируя отбор для сознания, который авторы называют байесовским связыванием (Bayesian binding). Третье — эпистемическая глубина, представляющая собой рекуррентный обмен байесовскими убеждениями по всей системе. Благодаря этой рекурсивной петле в иерархической системе (такой как мозг) модель мира содержит знание о своём собственном существовании. Это отличается от самосознания, поскольку модель мира знает себя нелокально и непрерывно подтверждает это знание (т.е. через field-evidencing). Формально авторы предлагают гипермодель для контроля точности, чьи латентные состояния (или параметры) кодируют и контролируют общую структуру и правила взвешивания для всех слоёв инференции. Эти глобально интегрированные предпочтения точности реализуют эпистемическую агентность и гибкость, напоминающие общий интеллект. Эта теория Beautiful Loop также глубоко раскрывает изменённые состояния сознания, медитацию и весь спектр сознательного опыта.

https://www.sciencedirect.com/science/article/pii/S0149763425002970

Новая статья Марины Морозовой:

Cortical Responses to Tactile Imagery: A High-Density EEG Study of the μ-Rhythm Event-Related Desynchronization and Somatosensory Evoked Potentials


Neuraimage
Available online 1 September 2025, 121440

Тактильные образы активируют соматосенсорные области обоих полушарий мозга, а также обширные регионы, связанные с процессом воображения. Активное воспроизведение тактильных ощущений влияет на обработку реальных тактильных стимулов, что проявляется в изменениях компонентов соматосенсорных вызванных потенциалов. В исследовании использовалась электроэнцефалография высокой плотности и локализация источников на основе метода sLORETA для анализа корковых источников компонентов соматосенсорных вызванных потенциалов, чувствительных к воображению активных кожных ощущений. Двадцать здоровых участников выполняли задачи тактильных образов и тактильного внимания, причем последняя использовалась в качестве контроля. Тактильные образы усиливали ранние компоненты соматосенсорных вызванных потенциалов (P100), что указывает на вовлечение первичных соматосенсорных областей. Это сопровождалось выраженной десинхронизацией μ-ритма, локализованной в постцентральной извилине. Хотя тактильное внимание также вызывало десинхронизацию μ-ритма, его пространственное распределение было более широким, что предполагает участие более распределенных и, возможно, неспецифичных механизмов внимания. Примечательно, что анализ в сенсорном пространстве выявил усиленный поздний фронтальный пик P200 во время тактильных образов, что может указывать на повышенную фронтальную активацию. Однако анализ в пространстве источников подтвердил отсутствие вовлечения фронтального полюса в соматосенсорные вызванные потенциалы во время тактильных образов, подчеркивая важность точной локализации источников. Таким образом, установлено, что тактильные образы значительно активируют первичные соматосенсорные области, влияя на ранние стадии обработки реальных стимулов. Их эффекты были более локализованными по сравнению с эффектами, вызванными тактильным вниманием. Эти результаты свидетельствуют о том, что тактильные образы могут быть перспективным подходом для сенсомоторной реабилитации. С другой стороны, тактильное внимание может обеспечить простой метод модуляции сенсомоторных ритмов для управления интерфейсами мозг-компьютер.

https://www.sciencedirect.com/science/article/pii/S1053811925004434

Quantitative Assessment of Signal Quality and Usability of EEG and EMG recordings with PEDOT:PSS-Coated Microneedle Electrodes

Биоэлектрические сигналы отражают физиологические и психологические состояния, но традиционные электроды с гелем трудоемки и теряют качество из-за высыхания. Разработаны микроигольчатые электроды с покрытием поли(3,4-этилендиокси тиофен):поли(стиренсульфонат) для высококачественной записи сигналов. Два типа таких электродов — для записи мышечной активности на безволосой коже и мозговой активности на волосистой части головы — сравнивались с обычными гелевыми и сухими электродами. Для мышечной активности микроигольчатые электроды показали более высокое отношение сигнал/шум, для мозговой — качество сигналов, сравнимое с гелевыми электродами, без использования геля. Подготовка занимала больше времени из-за необходимости раздвигать волосы, но очистка была быстрее благодаря отсутствию геля; уровень боли был сопоставим с сухими электродами. Микроигольчатые электроды обеспечивают высокое качество сигналов и удобство, что делает их перспективными для клинического и повседневного применения, где важны время, комфорт и отсутствие геля.

https://www.researchsquare.com/article/rs-7343232/v1

Advances in large-scale electrophysiology with high-density microelectrode arrays

Детальная функциональная характеристика электрогенных клеток, таких как нейроны и кардиомиоциты, с использованием массивов микроэлектродов высокой плотности стала мощным методом для определения клеточных фенотипов и изучения фундаментальных механизмов клеточной функции. Эти массивы применяются в изучении развития нервной системы, биологии стволовых клеток, фармакологии и междисциплинарных исследованиях на стыке биомедицинской инженерии, компьютерных наук и искусственного интеллекта. Инновации в дизайне чипов, их изготовлении, возможностях записи и обработки данных значительно расширили функциональность массивов. Современные чипы позволяют изучать клеточные функции на разных масштабах и с высокой пропускной способностью, анализировать многопараметрические фенотипы в течение длительного времени и отслеживать эффекты целенаправленных воздействий на поведение клеток. В данном обзоре сначала рассматриваются достижения в дизайне массивов, их возможностях считывания и стимуляции. Затем обобщаются исследования, где массивы сочетались с другими методами для изучения биологически значимых клеточных и субклеточных характеристик, с акцентом на их применение в экспериментах in vitro. Далее описываются аналитические методы, необходимые для анализа данных с массивов. Наконец, обсуждаются текущие ограничения технологии и возможные направления её развития.

https://pubs.rsc.org/en/content/articlehtml/2025/lc/d5lc00058k

Sleep‘s contribution to memory formation

Сон играет уникальную роль в формировании долговременной памяти. За последнее десятилетие исследования психологических и нейронных механизмов этого процесса значительно расширились, охватывая людей и грызунов на разных этапах жизни. Обзор показывает, что большинство данных поддерживает концепцию формирования долговременной памяти во сне как активного процесса системной консолидации, сопровождаемого масштабным снижением синаптической активности. Повторное нейронное воспроизведение закодированных представлений, особенно в гиппокампе, в сочетании с мозговыми осцилляциями, характерными для сна без быстрых движений глаз, регулирует информационные потоки в нейронных сетях. Это взаимодействие способствует переносу новых воспоминаний в неокортикальные хранилища, преобразуя их в более абстрактные формы. Однако остаются споры о том, какая информация закрепляется в неокортикальных сетях и как происходит её хранение на синаптическом уровне. Роль сна с быстрыми движениями глаз в консолидации эмоциональной памяти и формировании синаптических представлений также требует уточнения. Будущие исследования должны раскрыть различия между консолидацией во сне и бодрствовании, а также её изменения на протяжении жизни. Перспективным направлением является разработка методов стимуляции мозга для усиления консолидации памяти во время сна у людей.

https://journals.physiology.org/doi/abs/10.1152/physrev.00054.2024

Noradrenaline drives learning across scales of time and neurobiological organisation

Норадренергическая система выполняет разнообразные функции в обучении, от оптимизации обучающего поведения до модуляции пластичности. Исследования, объединяющие микро- и макроуровни, показывают, как норадреналин реализует эту многообразную роль. Благодаря сбалансированному сочетанию целевого и широкого воздействия на нейроны и ненейронные астроциты, нор адренергическая система действует на различных нейробиологических и временных масштабах, поддерживая адаптивное обучение. С её многоуровневой организацией, которая направляет поведение и динамику мозга на основе ценностной информации, и способностью связывать быстрые нейронные масштабы в миллисекунды с более медленными временными масштабами естественного поведения, нор адренергическая система выступает как «дирижёр оркестра», координируя обучение на разных уровнях.

https://www.cell.com/trends/cognitive-sciences/abstract/S1364-6613(25)00183-4

Optimizing Stroke Rehabilitation: Towards Closed-loop Phase-shifted Electrical Stimulation for Reduced Muscle Fatigue and Enhanced Arm/Hand Control

Движение — сложнейшая функция, возникающая из взаимодействия тела и разума, однако центральная нервная система сталкивается с проблемой координации сложных движений в многомерной опорно-двигательной системе, известной как проблема избыточности движений. Для её решения разработана нейронная сеть, решающая задачу обратной кинематики с использованием записей захвата движений. Другой подход — снижение размерности пространства нейронного управления через мышечные синергии, хотя их нейромышечные и биомеханические основы остаются неясными. Исследование связывает мышечные синергии с динамикой конечностей через два компонента: гравитационный, поддерживающий конечность против силы тяжести, и динамический, обеспечивающий движение и ориентацию руки. После инсульта, нарушающего связи между моторной корой и мотонейронами, наблюдаются уникальные для каждого пациента паттерны, но с общими аномалиями активации мышц. В субacute и хронических стадиях восстановления инсульта гравитационный и динамический компоненты по-разному изменяются, что может направлять персонализированную реабилитацию с помощью нейромышечной электростимуляции. Поверхностная электростимуляция с фазовым сдвигом, при котором импульсы чередуются между парами электродов, снижает мышечную усталость, улучшает нелинейную активацию мышечных волокон и уменьшает боль и парестезию. Эти подходы объединяются для создания замкнутой системы стимуляции, поддерживающей гемипаретическую руку и способствующей восстановлению движений захвата и достижения.

https://researchrepository.wvu.edu/etd/12962/

Reconstructing What the Brain Hears: Cross-Subject Music Decoding from fMRI via Prior-Guided Diffusion Model

Воссоздание музыки прямо из активности мозга открывает уникальную возможность изучить, как слуховая система обрабатывает звуки, и прокладывает путь к новым интерфейсам между мозгом и компьютером. Разработан полностью автоматический процесс, который объединяет сопоставление данных магнитно-резонансной томографии от разных людей с байесовским анализом в скрытом пространстве аудиогенератора, основанного на диффузии. Сопоставление переносит индивидуальные реакции мозга в общее пространство, повышая точность предсказаний по сравнению с обычными анатомическими методами. Байесовский поиск выбирает наиболее вероятную звуковую волну, уменьшая влияние нейронного шума. Важно, что мультимодальные данные модели CLAP связаны с музыкальными характеристиками через специальный инструмент, сохраняющий естественные особенности музыки без ручного описания. Метод протестирован на десяти музыкальных жанрах и показал среднюю точность 0,914 ± 0,019, а в 85,7% случаев неподготовленные слушатели узнавали восстановленное аудио. Анализ выявил ключевые сигналы в слуховой, нижнелобной и премоторной коре, что согласуется с теориями восприятия музыки. Этот подход соединяет генерацию аудио с нейронаукой, создавая возможности для создания музыки силой мысли, оценки музыкальной терапии, невербального общения и развития нейротехнологий.

https://www.researchsquare.com/article/rs-7301336/v1

Decoding the variable velocity of lower-limb stepping movements from EEG

Точное декодирование движений нижних конечностей с помощью электроэнцефалографии (ЭЭГ) необходимо для разработки экзоскелетов, управляемых интерфейсом мозг-компьютер (BCI), в нейрореабилитации. В данном исследовании изучалось декодирование трехмерной скорости на трех анатомических маркерах малоберцовой кости во время шагов по земле у здоровых участников (N=9) с использованием двух подходов: (1) линейной регрессии (LR) и (2) глубокого обучения (DL) с комбинацией сверточных нейронных сетей (CNN) и блоков долговременной краткосрочной памяти (LSTM). Участники были разделены на две группы: G1 (n=5) выполняла шаги вперед по сигналу и шаги назад в собственном темпе; G2 (n=4) выполняла шаги вперед и назад по сигналу. Модель DL значительно превзошла LR, показав наивысшую точность декодирования (DA) в направлении вперед-назад на головке малоберцовой кости (R = 0,63±0,06, M±SD). Топографический анализ выявил доминирующий вклад сенсомоторной коры (в сочетании с фронтальными областями у G2) в диапазоне 8–40 Гц. Анализ функциональной связности (FC) показал значительные различия: только у G2 наблюдалась статистически значимая FC (p<0,05), вероятно, из-за повышенных когнитивных и сенсомоторных требований в условиях двойного сигнала. У G2 FC наблюдалась в дельта- (0–4 Гц), тета- (4–8 Гц), альфа/му- (8–12 Гц) и низкочастотных бета- (12–18 Гц) диапазонах, связывая моторные области, отвечающие за контроль нижних и верхних конечностей, с другими корковыми регионами, включая среднюю височную извилину (MTG), верхнюю лобную извилину (SFG), заднюю поясную кору (PCC), верхнюю теменную дольку (SPL) и надкраевую извилину (SMG). Эти результаты демонстрируют, что трехмерное декодирование кинематики нижних конечностей на основе ЭЭГ возможно при выполнении реалистичных локомоторных задач и указывают на то, что паттерны корковой синхронизации варьируются в зависимости от контекста движения. Наша CNN-LSTM модель может способствовать разработке адаптивных экзоскелетов, управляемых намерениями, для персонализированной нейрореабилитации.

https://pubmed.ncbi.nlm.nih.gov/40875414/

Low-Latency Neural Inference on an Edge Device for Real-Time Handwriting Recognition from EEG Signals

Интерфейсы мозг-компьютер обладают значительным потенциалом для восстановления коммуникации у людей с тяжелыми нарушениями двигательных функций или речи. Воображаемое письмо, как форма моторного воображения, представляет собой интуитивный подход для декодирования на уровне отдельных символов. Хотя инвазивные методы, такие как электрокортикография, обеспечивают высокую точность декодирования, их хирургический характер связан с клиническими рисками и ограничениями масштабируемости. Неинвазивные альтернативы, такие как электроэнцефалография, являются более безопасными и доступными, но страдают от низкого отношения сигнал/шум и ограниченного пространственного разрешения, что снижает их эффективность для декодирования высокой точности. В данном исследовании мы изучаем, как передовые методы машинного обучения в сочетании с информативным извлечением признаков могут преодолеть эти ограничения, обеспечивая производительность декодирования на основе электроэнцефалографии, близкую к инвазивным методам, при поддержке вывода в реальном времени на периферийных устройствах. Мы представляем первую систему с низкой задержкой и высокой точностью для декодирования воображаемого письма из неинвазивных сигналов электроэнцефалографии на портативном периферийном устройстве. Данные электроэнцефалографии были собраны от семи участников с использованием 32-канальной шапочки и предварительно обработаны с применением полосовой фильтрации и реконструкции артефактного подпространства. Было извлечено 20 признаков во временной и частотной областях, затем применен отбор признаков на основе коэффициента корреляции Пирсона для снижения задержки при сохранении точности. Гибридная архитектура, сочетающая временную сверточную сеть и многослойный перцептрон, была обучена на извлеченных признаках и развернута на устройстве NVIDIA Jetson TX2. Система достигла точности 83,64% ± 0,50% с задержкой вывода 766,68 мс на символ. При выборе только четырех ключевых признаков модель потеряла менее 1% точности, но обеспечила сокращение задержки вывода в 4,93 раза (155,68 мс) по сравнению с полным набором из 20 признаков. Эти результаты показывают, что неинвазивная электроэнцефалография в сочетании с эффективным дизайном признаков и модели может обеспечить точное декодирование нейронных сигналов в реальном времени на периферийных устройствах с низким энергопотреблением, открывая путь для практичных и портативных интерфейсов мозг-компьютер.

https://www.researchsquare.com/article/rs-7330202/v1

Non-invasive electromyographic speech neuroprosthesis: a geometric perspective

В этой статье мы представляем интерфейс нейромышечной речи с высокой пропускной способностью, предназначенный для преобразования беззвучно артикулируемой речи в текст. В частности, мы собираем электромиографические (ЭМГ) сигналы с нескольких артикуляционных зон на лице и шее, когда участники выполняют беззвучную артикуляцию речи, чтобы осуществить перевод ЭМГ в текст. Такой интерфейс полезен для восстановления звуковой речи у людей, утративших способность четко говорить из-за ларингэктомии, нейромышечных заболеваний, инсульта или травматических повреждений (например, из-за токсичности радиотерапии) артикуляционных органов. Предыдущие исследования сосредотачивались на обучении моделей синтеза текста или речи путем сопоставления ЭМГ, собранных во время звуковой артикуляции, с соответствующими синхронизированными аудиозаписями или на переносе синхронизированных аудиоцелевых данных с ЭМГ, собранных во время звуковой артикуляции, на ЭМГ, собранные во время беззвучной артикуляции. Однако такие подходы не подходят для людей, которые уже утратили способность к звуковой артикуляции речи. Здесь мы представляем подход к преобразованию ЭМГ в текст без необходимости выравнивания, используя только ЭМГ, собранные во время беззвучной артикуляции речи. Наш метод обучен на большом корпусе английского языка общего назначения и распространяется с открытым исходным кодом.