日本科学家成功训练活体神经元自主生成复杂信号

　　4月7日消息，据科技媒体Tom's Hardware报道，日本东北大学与未来大学的研究团队近日成功训练大鼠皮层神经元，使其能够利用实时机器学习框架自主生成复杂的时序信号。

　　研究团队将活体神经元与高密度微电极阵列及微流控设备集成，构建了一套“闭环储备池计算”系统。该系统无需外部输入，即可自主学习和生成周期性及混沌波形，执行AI计算任务。技术核心在于利用PDMS微流控薄膜约束神经元的连接方式。研究发现，无物理约束时，培养的神经元会形成高度同步化网络，无法学习目标信号。为此，团队将神经元胞体限制在128个微型微孔中，通过微通道连接，构建了格型和分层两种网络结构，将神经元两两相关性从0.45降至0.12。

　　测试结果显示，格型网络表现最优，能够生成周期为4秒、10秒和30秒的正弦波、三角波及方波，并能逼近三维混沌轨迹洛伦兹吸引子，学习阶段预测信号与目标信号相关性超过0.8。东北大学教授山本英明表示，活体神经元网络不仅是生物学系统，更可作为新型计算资源。不过，该技术目前仍存在性能瓶颈：训练停止后自主运行时误差增加，约330毫秒的反馈延迟限制了系统追踪快速变化波形的能力。研究团队计划未来通过专用硬件降低延迟，拓展其在脑机接口和神经假体设备中的应用。