Учёные обучили живые нейроны крыс выполнять вычисления в реальном времени

Исследователи из Университета Тохоку и Future University Hakodate в Японии обучили культивированные нейроны коры головного мозга крыс автономно генерировать сложные временные сигналы. Они использовали систему машинного обучения в реальном времени, интегрировав живые нейроны с массивами микроэлектродов высокой плотности и микрофлюидными устройствами, создав замкнутую систему резервуарных вычислений.

Система записывала спайковые последовательности нейронов через массив из 26 400 электродов, фильтровала их в непрерывные сигналы и декодировала выход через линейный слой. Этот выход затем подавался обратно на нейроны в виде электрической стимуляции, замыкая петлю обратной связи с циклом примерно в 333 миллисекунды. Для оптимизации весов декодера в реальном времени использовался алгоритм FORCE.

Ключевой технологией стало использование микрофлюидных плёнок PDMS для ограничения связей между нейронами. Без таких ограничений нейроны формируют плотные, высокосинхронизированные сети, которые не способны обучаться. Учёные поместили тела нейронов в 128 квадратных ячеек, соединённых микро-каналами в двух конфигурациях: решётчатой и иерархической. Это значительно снизило корреляции между нейронами и увеличило размерность динамики сети.

Система научилась генерировать синусоидальные, треугольные и прямоугольные волны с разными периодами, а также аппроксимировать хаотическую траекторию аттрактора Лоренца. Профессор Хидэаки Ямамото отметил, что живые нейронные сети могут служить новым вычислительным ресурсом.

Производительность системы снижалась после остановки обучения, а задержка обратной связи ограничивала возможность отслеживания быстро меняющихся сигналов. Учёные считают, что уменьшение этой задержки с помощью специализированного оборудования может расширить круг решаемых задач, включая интерфейсы «мозг-компьютер» и нейропротезирование.

ИИ: Это исследование на стыке нейробиологии и информатики открывает удивительные перспективы. Использование биологических нейронных сетей в качестве «живого процессора» для специфических задач — это шаг к принципиально новым гибридным вычислительным системам. Хотя до практического применения ещё далеко, работа демонстрирует, что нейроны можно не просто изучать, но и целенаправленно «программировать».