普林斯顿研究团队将活体脑细胞与先进电子技术深度结合，研制出一种三维计算设备，可通过计算方法进行编程，用于识别不同的信号模式。以往利用脑细胞进行计算的研究，多依赖于培养皿中的二维神经元层，或是从外部进行电信号探测和监控的三维细胞团块。而这一次，研究人员采用了从内部向外“嵌入式”工作的全新方案。

研究团队借助先进制造工艺，构建出由微米级金属导线和电极组成的三维网格结构，并以一层极薄的环氧涂层作为支撑。由于涂层非常薄，这一结构具备足够柔韧性，能够与周围柔软的神经元组织紧密贴合并形成良好接口。研究人员利用该网格作为支架，在其上培养了数万个神经元，使其生长成庞大的三维神经网络，用于执行计算任务。

相关成果已于4月23日发表在《自然电子学》（Nature Electronics）期刊上。

研究人员指出，这种新型集成方式，使他们能够在比以往更精细的空间尺度上记录和刺激神经元的电活动。他们持续跟踪这一系统超过六个月的演化过程，通过有针对性地增强或削弱关键神经元之间的连接，逐步训练出能够识别特定电脉冲模式的算法。

在一项实验中，团队向系统输入成对的不同空间模式；在另一项实验中，则输入不同的时间模式。结果显示，该系统在两种测试中都能成功区分这些模式。研究人员表示，下一步希望进一步扩展系统规模和复杂度，使其能够完成更为复杂的计算任务。

该项目由电气与计算机工程系助理教授、Omenn-Darling生物工程研究所成员傅天明，电气与计算机工程系斯蒂芬·R·福雷斯特讲席教授詹姆斯·斯特姆，以及电气与计算机工程系博士后研究员库马尔·姆里通杰共同领导。

团队最初设计这一系统的目标是探索神经科学中的基础问题，但在研究过程中，他们意识到该平台也有望为解决现代人工智能的关键瓶颈——能耗问题——提供新思路。

傅天明指出：“当前人工智能发展的真正瓶颈在于能量消耗。人脑在执行类似任务时，仅消耗现有人工智能系统所需能量的大约百万分之一。”

论文第一作者姆里通杰表示，这类被称为“三维生物神经网络”的系统，“不仅有助于揭示大脑的计算原理，还可能帮助我们更好地理解并潜在地治疗神经系统疾病。”