混合型脑芯片：美国科学家将7万个活神经元与电子元件融合

柔性电子网与活脑细胞连接，可监测并刺激神经活动。

普林斯顿大学的研究人员开发出一种混合生物计算平台，将活脑细胞与柔性电子器件结合在一起。

该系统标志着人工智能与生物系统向更紧密融合迈出了一步。

该装置名为3D-MIND，将成群的活神经元嵌入三维电子支架中，该支架旨在支持生物组织与计算硬件之间的通信。

研究人员表示，这一系统有助于推进类脑计算，为人工智能系统提供一种更接近人脑结构和功能的新方法。

“人工智能在不久的将来面临的真正瓶颈是能源。我们的大脑完成类似任务所消耗的能量，仅为当今人工智能系统耗能的大约百万分之一。”普林斯顿神经科学研究所兼聘教师傅天民在一份声明中说道。

混合大脑平台

普林斯顿大学的研究人员开发出一种名为3D-MIND的混合生物计算平台，将活脑细胞与柔性电子器件整合在一起。该系统旨在建立三维神经细胞网络与电子硬件之间的直接接口。

该装置由一个柔性的三维电子网构成，可嵌入实验室培育的活脑细胞网络中。细胞围绕并穿过网状结构生长，从而在生物组织与电子元件之间形成稳定连接。集成传感器可监测神经网络的电活动，而嵌入式刺激器则能将信号传回细胞。

与以往主要在神经培养物表面与细胞互动的系统不同，新平台被设计为在三维神经结构的深处运作。这使得能够对整个网络进行直接监测和刺激，从而获取此前难以触及的神经活动与连接信息。

电子器件由柔软的、力学特性与脑组织相似的材料制成，使装置能够长时间与活细胞保持整合，而不会明显干扰细胞的行为。研究人员报告称，已实现超过六个月稳定的交互追踪。

研究还发现，与传统的平面二维培养相比，三维生物神经网络拥有更丰富的连接性和更大的计算潜力。嵌入式接口能够比传统二维系统更快、更高效地刺激和训练神经网络。

活体神经计算

3D-MIND的研发引入了一种将电子系统与实验室培育的三维脑细胞网络直接连接的新方法。研究人员认为，该方法可支持未来类脑计算系统的创建，其运行能耗远低于当前许多人工智能平台。

除计算应用外，该系统也可作为研究工具，用于探究神经回路在真实三维环境中如何发育、适应和运作。该平台可提供更具生物学准确性的实验模型，从而改进药物筛选，并帮助科学家在受控条件下研究神经系统疾病。

未来的工作将聚焦于改进该装置，以研究大脑发育、建立特定神经系统疾病的模型并测试实验性疗法。研究人员还在扩大系统规模，整合更多传感器和电极，以增强神经接口的复杂性和功能。

研究团队正在探索如何更好地引导生物神经网络学习和适应，同时将平台与光学成像等技术结合，以更深入地了解大脑活动。此外，他们还在努力提升大规模三维组装技术，使这些装置能够更稳定地生产。

从长远来看，研究人员旨在开发出融合生物学与电子学的实用混合系统，应用于计算和医学领域。

如果朋友们喜欢，敬请关注“知新了了”！