人工神经元首次与活体脑细胞实现有效交流

西北大学工程师团队打印出一种人工神经元，不仅能在电信号上高度模仿大脑神经元，还能与真实脑细胞直接交流。在最新研究中，研究人员开发出一种柔性、低成本的电子设备，能够产生足够逼真的电信号，成功激活活体脑细胞。

在对小鼠脑组织切片的实验中，这些人工神经元触发了真实神经元的响应，显示出前所未有的生物兼容性水平。

向新一代脑机接口迈进

这项成果意味着电子设备更接近能够直接与神经系统沟通，为脑机接口和神经假体带来新可能，包括听觉、视觉以及运动功能相关的植入式装置。

同时，这项技术也为更高效的类脑计算系统提供了基础。通过模拟神经元的信号传递——这一大脑的核心特征——未来的计算系统有望在远低于当前数据密集型技术能耗的前提下，完成复杂运算任务。相关研究已发表在《自然纳米技术》期刊上。

以大脑为灵感的高效计算

“我们生活在一个被人工智能（AI）主导的时代，”西北大学的马克·C·赫萨姆（Mark C. Hersam）说，他是本项研究的负责人。“目前让 AI 变得更聪明的主流方式，是用越来越多的数据去训练它。”

他指出，这种高度依赖数据的训练方式带来了巨大的能耗压力，因此必须设计更高效的硬件来处理大数据和 AI 任务。“大脑的能效比数字计算机高出五个数量级，因此从大脑汲取灵感来设计下一代计算系统，是非常合理的方向。”

赫萨姆是类脑计算领域的专家，担任西北大学麦考密克工程学院材料科学与工程沃尔特·P·墨菲教授，同时也是范伯格医学院医学教授和温伯格文理学院化学教授。他还兼任材料科学与工程系主任、材料研究科学与工程中心主任，并是国际纳米技术研究所成员。本研究由他与麦考密克工程学院研究副教授维诺德·K·桑格万（Vinod K. Sangwan）共同领导。

从刚性硅芯片到动态大脑网络

当今计算任务日益复杂且数据量巨大，传统计算机主要通过“堆叠”更多相同元件来应对：在刚性二维硅芯片上集成数十亿个行为一致的晶体管。这些芯片一旦制造完成，其结构和功能基本固定不变。

大脑的工作方式则完全不同。它不是由大量同质元件构成，而是依赖分布在不同区域、功能各异的多种神经元类型。这些柔软的三维网络不断重塑连接，随着学习和适应而动态变化。

“硅芯片通过拥有数十亿个完全相同的器件来实现复杂功能，一切都是刚性且固定的，”赫萨姆说，“而大脑恰恰相反，它是异质的、动态的、三维的。要朝这个方向发展，我们需要全新的材料和新的电子制造方式。”

此前已有人工神经元的尝试，但大多在生物逼真度上存在不足。它们通常只能产生简化的电信号，工程师不得不依赖庞大且高能耗的器件网络，才能实现较复杂的行为。

把“缺陷”变成功能：可打印类脑神经元

为了更接近真实大脑，赫萨姆团队采用柔软、可打印的材料来构建人工神经元，使其在结构和行为上更贴近生物神经元。核心突破在于一组电子墨水：

• 以纳米级二硫化钼（MoS₂）薄片作为半导体材料；
• 以石墨烯作为导电材料。

研究人员使用一种名为空气喷墨打印（aerosol jet printing）的技术，将这些墨水沉积在柔性聚合物基底上。

以往，其他团队认为墨水中的稳定聚合物会妨碍电流传导，因此在打印后会将聚合物完全烧除。而赫萨姆团队则反其道而行，将这一“缺陷”转化为类脑功能的来源。

“我们没有把聚合物全部去掉，而是只让它部分分解，”赫萨姆解释道，“当电流通过器件时，会进一步分解聚合物。这种分解在空间上是不均匀的，于是形成了导电细丝，把电流集中到非常狭窄的区域。”

这一狭窄区域成为局部通路，产生突发性的类神经元电响应。由此得到的新型人工神经元能够产生丰富多样的电信号，不仅可以输出简单的单次脉冲，还能产生更复杂的模式——包括单个尖峰、连续发放以及爆发式放电等，类似真实神经元的多种交流方式。

通过再现这种信号多样性，每个人工神经元可以承载更多信息、执行更复杂的功能，从而减少系统中所需器件的数量，大幅提升整体计算效率。

与小鼠脑组织的直接“连线”实验

为了验证人工神经元是否真的能与生物神经系统对接，赫萨姆团队与温伯格医学院神经生物学系比尔和盖尔·库克教授印迪拉·M·拉曼（Indira M. Raman）合作。拉曼团队将人工神经元产生的电信号施加到小鼠小脑切片上。

结果显示，这些人工电压尖峰在关键生物特征上与真实神经元的电压尖峰高度匹配，包括尖峰的时序和持续时间。它们能够可靠地触发活体神经元的活动，以类似自然信号的方式激活神经回路。

“其他实验室用有机材料做过人工神经元，但它们的尖峰太慢；也有人用金属氧化物，结果又太快，”赫萨姆说，“我们的时间尺度落在此前人工神经元从未覆盖的区间。你可以清楚看到活体神经元对我们的人工神经元作出响应。我们证明了不仅时间尺度正确，尖峰的形状也足够接近真实神经元，可以直接与活体神经元互动。”

更环保、更节能的制造路径

这项方法在环境和能耗方面也具有优势。除了运行能效更高外，人工神经元的制造过程本身简单且成本较低。由于打印过程是增材制造——只在需要的地方沉积材料——大大减少了材料浪费。

“为了满足 AI 的能耗需求，一些科技公司正在建设由专用核电厂供电的千兆瓦级数据中心，”赫萨姆指出。

“显然，这样巨大的能耗会限制计算能力的进一步扩展。很难想象下一代数据中心需要上百座核电厂。另一个问题是，当你消耗千兆瓦级功率时，会产生大量热量，而数据中心通常用水冷却，这会让 AI 对水资源造成巨大压力。不论从能源还是环境角度，我们都必须为 AI 设计更节能的硬件。”