详细内容或原文请订阅后点击阅览
科学家利用真实脑细胞构建活体人工智能设备
活体神经元和电子器件的 3D 网络可以识别电模式，并可以帮助研究人员研究大脑功能和低能耗计算。普林斯顿大学的研究人员建造了一种 3D 设备，将活体脑细胞和先进的电子设备整合到一个系统中。该设备可以通过计算方法进行编程来识别模式。早期的努力[...]
来源:SciTech日报活体神经元和电子器件的 3D 网络可以识别电模式，并可以帮助研究人员研究大脑功能和低能耗计算。
普林斯顿大学的研究人员建造了一种 3D 设备，将活体脑细胞和先进的电子设备整合到一个系统中。该设备可以通过计算方法进行编程来识别模式。
早期使用脑细胞进行计算的努力通常依赖于在培养皿中生长的平面 2D 细胞培养物或从外部监测和刺激的 3D 细胞簇。普林斯顿系统是不同的，因为它被设计为与网络内的细胞交互。
该团队使用先进的制造方法构建了微观金属线和电极的 3D 网格，并通过非常薄的环氧树脂涂层将其固定在一起。这种涂层足够灵活，可以与周围生长的软神经元一起工作。研究人员使用网格作为支架，让数以万计的神经元生长成一个能够计算的大型 3D 网络。
该研究发表在《自然电子》杂志上。
活生生的网络学习模式
研究人员表示，这种集成设计使他们能够以比早期系统更精细的细节记录和刺激神经元电活动。在六个多月的时间里，他们监测了网络的变化，测试了加强或削弱重要神经元之间连接的方法，并最终训练了一种算法来识别电脉冲的模式。
在一项实验中，系统使用成对的不同空间模式进行了测试。在另一个例子中，它用不同的时间模式进行了测试。在这两种情况下，系统都正确地区分了模式。研究人员表示，他们的目标是扩展该平台，使其最终能够处理更复杂的任务。
大脑生物学满足人工智能限制
参考文献：“一种三维微型仪器神经网络设备”，作者：Kumar Mritunjay、James C. Sturm 和 Tian-Ming Fu，2026 年 4 月 23 日，《自然电子》。