日本科學家成功訓練活體神經元自主生成複雜信號

4月7日消息，據科技媒體Tom's Hardware報道，日本東北大學與未來大學的研究團隊近日成功訓練大鼠皮層神經元，使其能夠利用實時機器學習框架自主生成複雜的時序信號。

贊助商廣告

研究團隊將活體神經元與高密度微電極陣列及微流控設備集成，構建了一套「閉環儲備池計算」系統。該系統無需外部輸入，即可自主學習和生成周期性及混沌波形，執行AI計算任務。技術核心在於利用PDMS微流控薄膜約束神經元的連接方式。研究發現，無物理約束時，培養的神經元會形成高度同步化網路，無法學習目標信號。為此，團隊將神經元胞體限制在128個微型微孔中，通過微通道連接，構建了格型和分層兩種網路結構，將神經元兩兩相關性從0.45降至0.12。

測試結果顯示，格型網路表現最優，能夠生成周期為4秒、10秒和30秒的正弦波、三角波及方波，並能逼近三維混沌軌跡洛倫茲吸引子，學習階段預測信號與目標信號相關性超過0.8。東北大學教授山本英明表示，活體神經元網路不僅是生物學系統，更可作為新型計算資源。不過，該技術目前仍存在性能瓶頸：訓練停止後自主運行時誤差增加，約330毫秒的反饋延遲限制了系統追蹤快速變化波形的能力。研究團隊計劃未來通過專用硬體降低延遲，拓展其在腦機接口和神經假體設備中的應用。