普林斯顿大学的科研团队近日取得了一项突破性进展——他们成功开发出一种名为3D-MIND的混合生物计算平台，将实验室培育的活脑细胞与柔性电子器件深度融合，为类脑计算和神经科学研究开辟了新路径。这一系统通过三维电子支架构建生物与硬件的直接接口，不仅能实时监测神经活动，还能反向刺激神经元网络，标志着人工智能与生物系统的融合迈入新阶段。
与传统平面培养的神经元不同，3D-MIND的核心创新在于其三维结构。研究团队设计了一种柔性电子网，其力学特性与脑组织高度匹配，可嵌入活细胞网络中。神经元会自然地围绕并穿透网状结构生长，形成稳定的生物-电子连接。集成传感器能够捕捉神经网络的电信号变化，而嵌入式刺激器则可将电脉冲精准反馈至细胞，实现双向通信。这种设计使系统能深入神经网络内部，获取传统二维平台难以探测的深层活动信息。
实验数据显示，三维培养的神经元展现出更复杂的连接模式和更强的计算潜力。相较于平面培养，3D-MIND中的神经网络能以更高效率响应刺激，训练速度显著提升。更关键的是，该系统的能耗极低——普林斯顿神经科学研究所兼聘教师傅天民指出，人脑完成同等任务所需的能量仅为现有AI系统的百万分之一。这一特性为开发低功耗类脑计算设备提供了可能。
除了计算应用，3D-MIND还为神经科学研究提供了全新工具。其三维结构更贴近真实大脑环境，可用于观察神经回路在立体空间中的发育、适应过程，为药物筛选和疾病模型构建提供更准确的实验平台。例如，研究人员可通过调控电子支架的参数，模拟特定神经系统疾病的病理条件，测试潜在疗法的有效性。
目前，该团队已实现超过六个月的稳定生物-电子交互追踪，且未观察到明显细胞行为干扰。下一步，他们计划扩大系统规模，增加传感器和电极密度，以提升神经接口的复杂性。同时，研究将聚焦于引导神经网络的学习与适应机制，并结合光学成像技术，深入解析大脑活动的动态过程。优化三维组装工艺、实现装置的稳定量产也是重点方向。
