Neurones de rat utilisés dans un système de calcul hybride

Des scientifiques ont franchi une étape importante dans l'intelligence artificielle hybride en développant un système où des neurones de rat vivants exécutent des tâches de calcul. Cette expérience repose sur l'idée de fusionner des réseaux neuronaux biologiques avec des méthodes d'apprentissage automatique, pour vérifier si des cellules vivantes peuvent servir d'éléments informatiques à part entière.

Pour y parvenir, les chercheurs ont utilisé des neurones corticaux connectés à des microélectrodes et des dispositifs microfluidiques. Le système fonctionne en boucle fermée : les signaux neuronaux sont lus, convertis en données de sortie, puis réinjectés sous forme de stimulation électrique. Ce cycle dure environ 330 millisecondes, permettant au système d'apprendre en temps réel sans intervention externe.

Une attention particulière a été portée à la structure du réseau. Les neurones ont été placés dans 128 micropores reliés par des microcanaux, ce qui a contribué à réduire la synchronisation excessive—un problème fréquent dans les réseaux biologiques désorganisés. En conséquence, la corrélation d'activité a chuté de près de quatre fois, rendant le comportement du système plus complexe et efficace.

Lors des expériences, le réseau biologique a reproduit avec succès divers signaux, notamment des ondes sinusoïdales, carrées et triangulaires, et a pu approximer des systèmes chaotiques complexes comme l'attracteur de Lorenz. La précision est restée élevée, avec des niveaux de corrélation dépassant 0,8.

Cependant, cette technologie est encore loin d'une utilisation pratique. Après la fin de l'entraînement, la précision du système diminue, et les retards de rétroaction limitent sa capacité à traiter des signaux à évolution rapide. Malgré cela, les chercheurs estiment que des développements ultérieurs pourraient déboucher sur de nouvelles interfaces cerveau-ordinateur, des neuroprothèses et des plates-formes de calcul biohybride.