日本科學家訓練活體神經元自主產出複雜訊號

日本研究團隊成功訓練大鼠神經元自主生成複雜時序信號

4月7日訊息，根據科技媒體Tom's Hardware報導，日本東北大學與未來大學聯合研究團隊近期取得突破性進展：成功訓練活體大鼠皮層神經元，使其在無需外部輸入的情況下，透過即時機器學習框架自主產生高精度週期性與混沌時序信號。

「閉環儲備池計算」系統：活體神經元的新型AI架構

研究團隊整合活體神經元、高密度微電極陣列與PDMS微流控裝置，打造全球首套「閉環儲備池計算（Closed-loop Reservoir Computing）」生物混合系統。該系統核心創新在於利用微流控薄膜精確控制神經元空間佈局——將神經元胞體限制於128個微型微孔中，並透過微通道構建格狀與階層兩種可控網絡結構，有效抑制過度同步化現象，使神經元兩兩相關性由0.45大幅降低至0.12。

實驗成果：精準生成正弦波、混沌吸引子等多類信號

實驗證實，格狀網絡表現最優：可穩定生成週期分別為4秒、10秒與30秒的正弦波、三角波及方波；更首次實現對三維混沌軌跡——洛倫茲吸引子（Lorenz Attractor）的高保真逼近。在學習階段，預測信號與目標信號之相關係數逾0.8，展現強大動態建模能力。

應用潛力與技術挑戰並存

東北大學山本英明教授指出：「活體神經元網絡不僅是生物學模型，更是具備低功耗、高並行特性的全新計算資源。」然而，目前仍面臨兩項關鍵瓶頸：其一，訓練結束後自主運行時誤差逐步累積；其二，約330毫秒的系統反饋延遲，限制其追蹤快速變動信號的能力。團隊下一步將開發專用硬體以壓縮延遲，加速推進於腦機介面（BCI）與神經假體設備的臨床轉化應用。