近期，一项发表于国际期刊《仿生学》的突破性研究，成功教导体外培养的生物神经网络“看见”并识别视觉图像。该研究由来自中国科学院沈阳自动化研究所机器人学国家重点实验室、中国科学院大学等顶尖机构的研究团队完成，其核心是通过一种创新的仿生视觉信息编码方法，将图像转化为电脉冲序列，刺激神经网络并观察其学习演化。这项成果标志着生物混合智能与神经计算领域迈出了关键一步。
尤为引人注目的是，这项前沿研究的成功，极大程度上得益于其所采用的MaxOne高密度微电极阵列（HD-MEA）系统（由MaxWell Biosystems公司开发）。该系统为研究人员提供了前所未有的高分辨率界面，既能精准地向神经网络施加复杂的时空刺激模式，又能同步记录全网络神经元的高保真活动，从而完整捕捉了神经网络在学习过程中的动态演变。
一、 技术突破：让神经网络具备“视觉”的编码策略
此前，基于体外神经网络的系统（如一些生物混合机器人）大多只能处理一维传感器信号（如距离、声音），无法感知复杂的视觉环境。为了解决这一根本性挑战，该研究团队提出了一种全新的“仿生视觉信息时空编码方法”。
该方法模仿生物视觉系统的工作机理，并非将图像的每一个像素点直接映射为电脉冲。研究首先使用卷积神经网络提取彩色图像的关键特征（如轮廓、形状），大幅压缩数据量；随后，通过改进的延迟相位编码，将这些特征转换为时空分布的脉冲序列，通过MaxOne HD-MEA芯片上的特定电极，按精确时序刺激网络中的神经元。
二、 MaxOne HD-MEA：实现精准“读写”与长时观测的核心工具
整个实验的成功，高度依赖于MaxOne HD-MEA系统所提供的两大核心能力：高精度刺激写入与高保真信号读取。
1.精准的“写入”控制：研究需要将代表不同图像（如苹果、汽车、杯子）的复杂脉冲序列，通过芯片上特定空间位置的多个电极，以毫秒级的时间精度传递至神经网络。MaxOne系统灵活的刺激范式设计能力，完美实现了这一要求，确保了编码信息准确无误地输入。
2.全面的“读取”与观测：在施加刺激后，MaxOne芯片凭借其高达26,400个电极的密集阵列和超低背景噪声，能够同步记录整个神经网络中成千上万个神经元的活动电位。这种“终极信号检测”能力，使团队能够：
o追踪学习轨迹：清晰比对神经网络在训练前、中、后三个阶段的放电模式变化，量化其动态演进。
o解码神经响应：准确捕捉网络对不同输入图像产生的特异性放电活动，为后续的逻辑回归解码模型提供高质量数据。
o分析功能连接：基于高时空分辨率数据，绘制并分析神经网络内部连接与强度的变化，从机理上解释性能提升的原因。
日本东京大学生产技术研究所的Yoshiho Ikeuchi教授在其研究中也使用了MaxOne系统，他的评价从第三方视角印证了该平台的价值：“我们能够观察时空动态、相关性和活动的序列模式……对于我们所研究网络的复杂性而言，这项技术的易用性使其更具价值。” 这充分说明了MaxOne平台在支撑此类复杂神经计算实验中的关键作用。
三、 研究成果：神经网络性能显著提升，连接性增强
实验结果显示，经过无人监督的三阶段训练后，体外神经网络对图像识别的准确率从初始的66.69%提升至80.33%，性能提升超过13个百分点。更重要的是，通过MaxOne系统记录的数据进行功能连接分析发现，训练后神经网络的连接数量、连接强度以及模块间的参与系数均显著增加。这表明，神经网络并非被动响应，而是主动重构了其内部连接，增强了跨模块的信息交换能力，从而学会了“辨别”不同的视觉模式。
MaxWell Biosystems的HD-MEA技术，凭借其高密度、高分辨率、卓越的信噪比和灵活的刺激控制能力，已成为连接生物学与计算科学、推动此类前沿探索的理想平台。从基础神经科学、药物筛选到神经计算和脑机接口，MaxOne/MaxTwo系统正持续赋能全球科学家，探索大脑的奥秘并开拓其应用边界。
欢迎关注进科驰安官方微信（微信公众号：Bio-Gene）
回复：视频，查看更多相关视频
长按/扫描以下二维码可识别关注公众号
广州进科驰安科技有限公司
Bio-Gene Technology Limited
176 2009 3784
www.bio-gene.com.cn
marketing@bio-gene.com.cn
香港 北京 上海 广州