Японские учёные из Университета Тохоку и Университета будущего в Хакодатэ научили живые нейроны коры головного мозга крыс самостоятельно генерировать сложные временные сигналы. Результаты опубликованы 12 марта в журнале Proceedings of the National Academy of Sciences.
Нейроны поместили в специальные чипы с 128 микролунками, каждая размером около 100×100 микрометров. В среднем в каждой лунке находилось около 15 клеток. Лунки соединили микроканалами по двум схемам — решётчатой и иерархической. Такая физическая структура решала ключевую проблему: без неё нейроны образуют однородные сети, в которых все клетки срабатывают одновременно, и учиться они не могут.
Структурированные сети показали корреляцию между соседними нейронами в четыре раза ниже, чем неструктурированные — 0,11 и 0,12 против 0,45 соответственно (решётчатая и иерархическая конфигурации). Это увеличило «вычислительную размерность» сети.
Систему включили в замкнутый контур резервуарных вычислений — это подход, при котором фиксированная (в данном случае биологическая) сеть преобразует входные данные, а обучается только внешний декодер. Нейроны научились воспроизводить синусоиды с периодами от 4 до 30 секунд, треугольные и прямоугольные волны, а также приближать аттрактор Лоренца — трёхмерную хаотическую траекторию, классический тест для динамических систем. Корреляция между предсказанным и целевым сигналом превысила 0,8.
Хидэаки Ямамото, профессор Исследовательского института электрических коммуникаций Университета Тохоку, назвал живые нейронные сети «принципиально новыми вычислительными ресурсами».
Ограничения у системы есть. После остановки обучения ошибка росла в 99% испытаний. Задержка обратной связи в 330 миллисекунд не позволяла отслеживать быстро меняющиеся сигналы. Исследователи считают, что специализированное железо поможет сократить задержку и расширить диапазон задач.
Потенциальное применение — нейропротезы и интерфейсы мозг-компьютер. Технология показала, что биологические нейроны могут работать как вычислительный элемент, а не просто как объект изучения.
