4月5日，日本科学家在神经科学和人工智能领域取得突破，成功训练大鼠皮层神经元自主生成复杂时序信号。这项研究由日本东北大学与未来大学的研究团队共同完成，他们通过集成活体神经元、高密度微电极阵列及微流控设备，构建了“闭环储备池计算”系统。该系统能够无需外部输入，自主学习和生成周期性及混沌波形，执行AI计算任务。

技术核心在于利用PDMS微流控薄膜约束神经元连接方式。研究发现，无物理约束时，培养神经元会形成高度同步化网络，无法学习目标信号。因此，团队将神经元胞体限制在128个微型微孔中，通过微通道连接，构建了格型和分层两种网络结构。这种设计显著提升了网络动力学维度，将神经元两两相关性从0.45降至0.12。测试结果显示，格型网络在所有目标波形中表现优异，系统能生成周期为4秒、10秒和30秒的正弦波、三角波及方波，并能逼近三维混沌轨迹洛伦兹吸引子，学习阶段预测信号与目标信号相关性超过0.8。

尽管该技术展现了巨大潜力，但目前仍存在性能瓶颈。训练停止后，系统自主运行时误差增加，反馈环路约330毫秒的延迟限制了系统追踪快速变化波形的能力。科研团队未来希望通过专用硬件降低延迟，扩展其在脑机接口和神经假体设备中的应用。