3月12日，國際知名學(xué)術(shù)期刊《美國國家科學(xué)院院刊》（PNAS）在線發(fā)表了一項來自日本東北大學(xué)等機構(gòu)的突破性研究成果。研究團隊成功證明，培養(yǎng)的活體腦細胞形成的生物神經(jīng)網(wǎng)絡(luò)（BNN），可以在閉環(huán)反饋控制下，通過在線監(jiān)督學(xué)習(xí)生成復(fù)雜的時序模式信號。這一發(fā)現(xiàn)展示了活體神經(jīng)元作為新型計算資源的潛力，為神經(jīng)科學(xué)與機器學(xué)習(xí)領(lǐng)域的交叉融合開辟了新路徑。

研究人員利用大鼠皮層神經(jīng)元在體外培養(yǎng)形成生物神經(jīng)網(wǎng)絡(luò)，并將其整合到儲層計算框架中。他們通過微流控器件引導(dǎo)神經(jīng)元生長，構(gòu)建了模塊化的網(wǎng)絡(luò)結(jié)構(gòu)，有效抑制了神經(jīng)元之間的過度同步，提高了網(wǎng)絡(luò)的動態(tài)復(fù)雜性。在實驗中，團隊采用FORCE（First-Order Reduced and Controlled Error）學(xué)習(xí)算法對讀出層進行實時訓(xùn)練和優(yōu)化。結(jié)果顯示，這種生物神經(jīng)網(wǎng)絡(luò)能夠成功學(xué)習(xí)并生成多種時序信號，包括正弦波、三角波、方波，以及混沌軌跡如洛倫茲吸引子。其中，正弦波的周期范圍可從4秒到30秒不等，同一網(wǎng)絡(luò)系統(tǒng)展現(xiàn)出了良好的適應(yīng)性。

實驗的關(guān)鍵在于構(gòu)建了一個實時閉環(huán)系統(tǒng)：高密度微電極陣列實時記錄神經(jīng)元放電活動，經(jīng)過濾波后作為儲層狀態(tài)輸入線性解碼器，同時通過反饋電刺激調(diào)整網(wǎng)絡(luò)行為。這種反饋機制將原本不規(guī)則的自發(fā)活動轉(zhuǎn)化為低維、結(jié)構(gòu)化的動態(tài)模式。相比均勻連接的網(wǎng)絡(luò)，模塊化設(shè)計的網(wǎng)絡(luò)在學(xué)習(xí)性能上表現(xiàn)更優(yōu)，均方誤差更低，且在較長周期信號生成任務(wù)中優(yōu)勢尤為明顯。即使在沒有外部輸入的情況下，經(jīng)過訓(xùn)練的生物神經(jīng)網(wǎng)絡(luò)在合適條件下也能自主維持這些信號的產(chǎn)生，體現(xiàn)了與傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)不同的計算特性。

東北大學(xué)山本英明教授表示：“這項工作表明，活體神經(jīng)網(wǎng)絡(luò)不僅是具有生物學(xué)意義的系統(tǒng)，還可能成為新型計算資源。通過連接神經(jīng)科學(xué)與機器學(xué)習(xí)，我們正在開辟一條利用生物系統(tǒng)內(nèi)在動態(tài)的新型計算路徑。”這一成果有助于深入理解大腦皮層如何生成運動控制等時序信號，同時為神經(jīng)形態(tài)計算和節(jié)能型生物啟發(fā)計算提供了重要啟示。未來，該平臺還有望擴展應(yīng)用于藥物篩選、神經(jīng)疾病模型構(gòu)建等領(lǐng)域。

盡管目前系統(tǒng)仍存在反饋延遲和學(xué)習(xí)后性能輕微衰減等問題，但通過進一步優(yōu)化硬件和算法，研究團隊有望提升其穩(wěn)定性和實用性。這項發(fā)表在PNAS上的研究，由東北大學(xué)與合作機構(gòu)的科研人員共同完成，不僅推動了體外生物神經(jīng)網(wǎng)絡(luò)的應(yīng)用研究，也為“活體計算”這一新興方向注入了新活力。