Un réseau neuronal artificiel constitué d’ADN peut reconnaître les nombres écrits à l’aide de molécules. Ces nouvelles découvertes suggèrent que les réseaux neuronaux d’ADN pourraient aussi reconnaître d’autres modèles de molécules, comme celles qui signalent des maladies, ajoutent les chercheurs. Dans les réseaux de neurones artificiels, les composants des neurones sont alimentés de données et coopèrent pour résoudre un problème, comme la reconnaissance de l’écriture manuscrite par exemple. Le réseau neuronal ajuste de façon répétée le comportement de ses neurones et voit si ces nouveaux modèles de comportement sont meilleurs pour résoudre le problème. Au fil du temps, le réseau découvre quelles sont les meilleures solutions informatiques. Il les adopte ensuite comme valeurs par défaut, imitant le processus d’apprentissage du cerveau humain. L’ADN est composé de 4 sortes de molécules plus petites connues sous le nom de nucléotides (abréviation A, T, C et G) qui sont disposées en brins. Les nucléotides d’un brin d’ADN ne peuvent se lier avec les nucléotides d’un autre brin que de manière très spécifique : A ne se lie qu’avec T et C qu’avec G. En utilisant ces règles de liaison prévisibles, les scientifiques peuvent utiliser les interactions entre les molécules d’ADN pour effectuer des calculs.
Dans cette nouvelle étude, chaque neurone artificiel est composé d’une collection de ces molécules d’ADN qui interagissent. Le comportement de chaque neurone est déterminé par les concentrations de chaque morceau de double brin d’ADN dans l’éprouvette où les interactions ont lieu. Les scientifiques ont utilisé leur réseau neuronal d’ADN pour réaliser une version qui réussirait le défi de reconnaître les nombres manuscrits. Dans cette tâche, les réseaux neuronaux doivent apprendre à reconnaître les nombres, à tenir compte des variations de l’écriture manuscrite, puis à comparer un nombre inconnu avec leurs souvenirs pour décider de l’identité de ce nombre.
Il existe de nombreuses applications potentielles pour un réseau neuronal d’ADN capable de des modèles complexes de molécules, selon les chercheurs.
La suite ici (Charles Q. Choi)
