水曜日にネイチャー誌に掲載された論文によると、科学者らは、ディープラーニングで一般的なタスクである手書きの数字を認識できるニューラルネットワークをDNA分子から構築した。
従来の畳み込みニューラルネットワークであれば、これはかなり簡単です。現在、科学者たちはMNISTの訓練画像データベースを用いて、蛾の脳をモデルにしたネットワークやDNAで作られたネットワークなど、より奇抜なモデルをテストしています。カリフォルニア工科大学の研究者たちは、ヌクレオチドをつなぎ合わせて分子論理ゲートを作成しました。
「人間の脳には800億個以上のニューロンがあり、それらを使って非常に高度な判断を下します。線虫のような小型動物は、わずか数百個のニューロンを使ってより単純な判断を下すことができます」と、論文の共著者であり、カリフォルニア工科大学の生物工学助教授であるルル・チアン氏は述べています。
「この研究では、ニューロンの小さなネットワークのように機能し、これまでよりもはるかに複雑な分子情報を分類できる生化学回路を設計・構築しました。」
手書きの数字の画像はパターンとしてエンコードされています。各パターンは20個の異なるDNA分子で構成されており、10×10のグリッド内の100ビットを表す100個のセットから選択された1から9までの数字を描きます。特別な20個のDNA分子は「1」を表し、背景を構成する残りの80個のDNA分子は「0」を表します。
ニューラルネットワークは、特定の数字に対応する0と1のパターンを認識するように訓練されています。入力パターンをピクセルごとに検査し、訓練中に学習した一連の保存パターンと比較します。
従来のニューラルネットワークでは、システムの入力と出力は数値の文字列です。しかし、DNAベースのニューラルネットワークでは、入力と出力は分子の鎖です。ここでは、計算によって実行される数値演算プロセスが、試験管内の化学反応に置き換えられています。
ビットからニューロンへ
「適切なヌクレオチド配列を持つ一本鎖DNA分子は、一本鎖末端を持つ別の二本鎖DNA分子と結合することができます。末端を掴むと、二本鎖DNA分子のヌクレオチドを一つずつ開かせ、先に結合していた鎖を解放することができます」と銭氏はThe Registerに説明した。
侵入鎖は入力シグナル、解放鎖は出力信号とみなすことができ、結果として単純な入出力関数が実現します。解放された出力鎖は、入力として別の役割を担い、別の二本鎖DNA分子と相互作用することで、より複雑な入出力関数を計算する分子相互作用ネットワークを構築します。
少し難解ですが、これらの化学反応は最終的な出力に至るまで続きます。これらの反応はニューロンの発火に相当し、ニューラルネットワークが数字を認識すると蛍光信号を発します。光の色は特定の数字に関連付けられています。例えば、緑と黄色の光は数字の5を認識したことに対応し、緑と赤の光は数字の9を認識したことを表します。
文字通り、しっかりつかむ：不器用なロボットはまだ人間の仕事を奪うことはできない
続きを読む
様々なヌクレオチド配列を持つDNAベースのニューラルネットワークが、特定の数字を認識するように訓練されます。化学反応は完了するまでに数時間かかるため、従来の計算ニューラルネットワークよりもはるかに低速です。
「例えば、6と7を分類するネットワークは、MNISTデータベースの数字に対して理論的な分類精度98%を誇ります。現実的には、シミュレーションとDNA分子の性能に関する理解に基づき、このネットワークはMNISTデータベース内の数字6と7の90%を分類できると考えています」と、論文の筆頭著者でカリフォルニア工科大学の大学院生であるケビン・チェリー氏はEl Reg誌に語った。
実験的に36個の「6」と「7」を正しく分類しました。記憶の数が増えたり、記憶同士が類似したりすると、タスクはより困難になり、ネットワークの分類性能は低下します。
彼は、この研究は概念実証であり、「分子機械」を用いたAI研究の可能性を切り開くものだと述べた。この種のネットワークは、生物学的環境に高度に特化されるだろう。
「例えば、将来的にはDNAベースのニューラルネットワークを使って患者の血糖値やその他の分子を検出し、適切な量のインスリンを即座に放出するようになるかもしれません。しかも、これらはすべて人間の介入なしに行われます」とチェリー氏は述べた。®
