Ένα 3D δίκτυο ζωντανών νευρώνων και ηλεκτρονικών μπορεί να αναγνωρίζει ηλεκτρικά μοτίβα και μπορεί να βοηθήσει τους ερευνητές να μελετήσουν τόσο τη λειτουργία του εγκεφάλου όσο και τον υπολογισμό χαμηλής κατανάλωσης ενέργειας
Ερευνητές στο Princeton University έχουν κατασκευάσει μια 3D συσκευή που φέρνει ζωντανά εγκεφαλικά κύτταρα και προηγμένα ηλεκτρονικά μαζί σε ένα ενιαίο σύστημα.
Η συσκευή μπορεί να προγραμματιστεί με υπολογιστικές μεθόδους ώστε να αναγνωρίζει μοτίβα.
Προηγούμενες προσπάθειες χρήσης εγκεφαλικών κυττάρων για υπολογισμούς βασίζονταν συνήθως σε επίπεδες 2D κυτταρικές καλλιέργειες που αναπτύσσονταν σε τρυβλία Petri ή σε 3D κυτταρικές συστάδες που παρακολουθούνταν και διεγείρονταν απ’ έξω.
Το chip διαθέτει περίπου 70.000 βιολογικούς νευρώνες, δικτυωμένους σε ένα 3D πλέγμα με δεκάδες μικροσκοπικά ηλεκτρόδια που μπορούν να ανιχνεύουν και να επεξεργάζονται τη δραστηριότητα των εγκεφαλικών κυττάρων. Credit: Wright Señeres
Το σύστημα του Princeton είναι διαφορετικό επειδή έχει σχεδιαστεί ώστε να αλληλεπιδρά με τα κύτταρα από μέσα στο δίκτυο
Η ομάδα χρησιμοποίησε προηγμένες μεθόδους κατασκευής για να δημιουργήσει ένα 3D πλέγμα μικροσκοπικών μεταλλικών συρμάτων και ηλεκτροδίων, συγκρατημένο από μια πολύ λεπτή επικάλυψη εποξικής ρητίνης.
Αυτή η επικάλυψη είναι αρκετά εύκαμπτη ώστε να λειτουργεί με τους μαλακούς νευρώνες που αναπτύσσονται γύρω της.
Οι ερευνητές χρησιμοποίησαν το πλέγμα ως σκαλωσιά, επιτρέποντας σε δεκάδες χιλιάδες νευρώνες να αναπτυχθούν σε ένα μεγάλο 3D δίκτυο ικανό για υπολογισμούς.
Ένα ζωντανό δίκτυο μαθαίνει μοτίβα
Οι ερευνητές δήλωσαν ότι αυτός ο ενσωματωμένος σχεδιασμός τους επέτρεψε να καταγράφουν και να διεγείρουν τη νευρωνική ηλεκτρική δραστηριότητα με πολύ μεγαλύτερη λεπτομέρεια από προηγούμενα συστήματα.
Σε διάστημα άνω των έξι μηνών, παρακολούθησαν πώς το δίκτυο αλλάζει, δοκίμασαν τρόπους ενίσχυσης ή αποδυνάμωσης συνδέσεων μεταξύ σημαντικών νευρώνων και τελικά εκπαίδευσαν έναν αλγόριθμο να αναγνωρίζει μοτίβα ηλεκτρικών παλμών.
Σε ένα πείραμα, το σύστημα δοκιμάστηκε με ζεύγη διαφορετικών χωρικών μοτίβων. Σε ένα άλλο, δοκιμάστηκε με διαφορετικά χρονικά μοτίβα.
Και στις δύο περιπτώσεις, το σύστημα κατάφερε να διακρίνει σωστά τα μοτίβα. Οι ερευνητές δήλωσαν ότι στοχεύουν να επεκτείνουν την πλατφόρμα ώστε να μπορεί τελικά να χειριστεί πιο σύνθετες εργασίες.
Βιολογικοί νευρώνες που αναπτύσσονται πάνω και μέσα από ένα στρώμα 3D ηλεκτρονικού πλέγματος. Οι ερευνητές προγραμμάτισαν τη συσκευή ώστε να αναγνωρίζει μοτίβα. Credit: Ευγενική παραχώρηση των ερευνητών/Princeton University
Η βιολογία του εγκεφάλου συναντά τα όρια της τεχνητής νοημοσύνης
Το έργο καθοδηγήθηκε από κοινού από τον Tian-Ming Fu, επίκουρο καθηγητή Ηλεκτρολόγων και Μηχανικών Υπολογιστών και του Omenn-Darling Bioengineering Institute, τον James Sturm, καθηγητή Stephen R. Forrest Ηλεκτρολόγων και Μηχανικών Υπολογιστών και τον Kumar Mritunjay, μεταδιδακτορικό ερευνητή στην ηλεκτρολογία και μηχανική υπολογιστών.
Το έργο αναπτύχθηκε αρχικά για τη διερεύνηση βασικών ερωτημάτων στη νευροεπιστήμη, αλλά η ομάδα αργότερα διαπίστωσε ότι θα μπορούσε επίσης να βοηθήσει στην αντιμετώπιση μίας από τις μεγάλες προκλήσεις που αντιμετωπίζει η σύγχρονη τεχνητή νοημοσύνη: την κατανάλωση ενέργειας.
«Το πραγματικό σημείο συμφόρησης για την τεχνητή νοημοσύνη στο εγγύς μέλλον είναι η ενέργεια», είπε ο Fu. «Ο εγκέφαλός μας καταναλώνει μόνο ένα μικρό κλάσμα-περίπου ένα εκατομμυριοστό-της ενέργειας που καταναλώνουν τα σημερινά συστήματα τεχνητής νοημοσύνης για να εκτελέσουν παρόμοιες εργασίες».
Ο Mritunjay, πρώτος συγγραφέας της μελέτης, είπε ότι συστήματα όπως αυτό, που ονομάζονται 3D βιολογικά νευρωνικά δίκτυα, «όχι μόνο βοηθούν να αποκαλυφθούν τα υπολογιστικά μυστικά του εγκεφάλου, αλλά μπορούν επίσης να βοηθήσουν στην κατανόηση και πιθανώς στη θεραπεία νευρολογικών ασθενειών».
(Αναφορά: «A three-dimensional micro-instrumented neural network device» από τους Kumar Mritunjay, James C. Sturm και Tian-Ming Fu, 23 Απριλίου 2026, Nature Electronics. DOI: 10.1038/s41928-026-01608-1)
www.worldenergynews.gr
