据英国《新科学家》杂志网站的报道，最近，美国科学家利用8万个老鼠的活细胞，建造出了一台可简单识别光和电模式的活体计算机，这台机器能被整合到同样使用了活体肌肉组织的机器人中，为未来开发具有自主感知和控制能力的生物-机械混合系统提供了新思路。研究团队在美国物理联合会3月会议上介绍了这项研究。
在这项研究中，伊利诺伊大学厄巴纳-香槟分校的研究团队在培养皿里种植培育了大约8万个经过编程的小鼠干细胞的神经元，并将其放置在光纤和电极网格之间，使其接受电和光刺激。所有元器件都装在一个手掌大小的盒子内，并放在保温箱里以保持细胞活性。
为了训练神经元计算机区分不同类型的信号，研究团队设计了10种不同的电脉冲和闪光模式，并在一个小时内反复播放，同时使用传统的计算机芯片记录和处理神经元产生的电信号。结果显示，每次出现相同模式时，神经元都会发出相同信号。此外，研究人员还利用了储层计算，这是一种建立在神经网络基础上的机器学习框架，它利用一个随机生成且固定不变的隐藏层(reservoir)来接收输入信号，并通过训练输出层来学习隐藏层状态与目标输出之间的映射关系。利用储层计算可以让神经元和芯片协作完成信号识别和处理任务，将识别和处理信号耗费的时间和能量降至最低。
为了评估该设备的性能，研究团队采用了名为F1的性能分数来衡量神经网络识别模式效率，该分数通常用于指示神经网络识别模式的效率，其中0最差，1最好，该设备的最佳得分为0.98。
研究人员表示，利用活细胞进行计算特别是储层计算有助于制造出节能设备，并且即使某些元器件出现故障也不影响设备运行。最新研制出的设备可整合到使用活体肌肉组织制成的机器人内。将神经元融入机器人中意味着神经元可感知环境，然后一次处理这些输入。因此，在某些方面来说，将活体神经元与储层计算结合起来制造出来的机器人可能比传统机器人更有优势。
最前沿的电子设计资讯
