Учёные из Тохоку научили нейроны крыс выполнять задачи машинного обучения

Культивированные нейронные сети интегрировали в систему «резервуарных вычислений» и с помощью метода FORCE-обучения настроили на генерацию сложных временных паттернов, включая хаотический аттрактор Лоренца.

Для точного контроля за ростом нейронов исследователи применили микрофлюидные устройства, формируя модульные сетевые структуры. Такой подход предотвращал чрезмерную синхронизацию клеток и позволял развивать многомерную динамику, необходимую для работы с временными данными.

Эксперименты показали, что сети успешно воспроизводят разнообразные волновые формы — от синусоидальных до треугольных и прямоугольных, включая хаотические траектории. Более того, одна и та же биологическая система способна гибко адаптироваться к периодам от 4 до 30 секунд, демонстрируя поразительную пластичность.