普林斯顿大学科研团队在生物电子计算领域取得突破性进展，成功开发出一种将活体神经元与三维电子架构相结合的新型计算器件。该装置通过模拟生物神经网络的信息处理方式，实现了对特定信号模式的精准识别，为低能耗人工智能系统开发开辟了新路径。
研究团队采用创新工艺构建三维计算基底，以透明环氧树脂为载体制作出包含微型电极阵列的立体网状结构。在精确控制的微环境中，数万个神经元细胞在电极网络间自主延伸突触，形成具备信息处理能力的生物-电子混合网络。这种结构突破了传统二维细胞培养的局限，使神经信号的采集与刺激精度达到亚细胞级别。
实验数据显示，该系统在持续六个月的观测期内展现出卓越的稳定性。科研人员通过电脉冲调控技术，成功强化了特定神经元簇之间的连接强度，训练出能够识别重复信号模式的算法模型。在模式分类测试中，系统对两种差异显著的脉冲序列均实现了准确区分，验证了其作为模式识别器件的可行性。
与传统硅基计算系统相比，该生物混合器件在能效方面具有显著优势。研究团队指出，人类大脑执行相同计算任务的能耗仅为现有AI系统的百万分之一。这种差异源于生物神经网络独特的信号处理机制——通过离散的电脉冲传递信息，而非持续的电流流动。科研人员计划通过扩大神经元网络规模，探索实现更复杂认知功能的技术路径。
这项研究同时为神经科学和医学领域带来重要启示。通过实时监测神经元集群的电活动模式，科学家有望揭示记忆形成、意识产生等脑功能的基本原理。在临床应用方面，该技术可为癫痫、帕金森病等神经系统疾病的发病机制研究提供新型实验平台，并为开发闭环神经调控装置奠定基础。
该成果已发表于国际权威学术期刊《自然·电子学》，详细阐述了三维生物电子架构的设计原理、神经元网络构建方法及信号处理机制。研究团队表示，后续将重点优化器件的生物相容性，提升神经元与电子元件的耦合效率，并探索将光遗传学技术融入系统调控的可能性。
