Язык живых нейронов: как вспышки обеспечивают 95,6% точности передачи образов ✎ экспресс

Оригинал: "Evaluating Encoding Strategies for Closed-Loop Classification in Biological Neural Networks"
arXiv:2607.13644 · 2026-07-15 · arXiv non-exclusive · собственный разбор · 1 мин
Короткие пачки импульсов позволили живым нейронам распознавать образы с точностью 95,6% — вчетверо лучше, чем другие коды.

Общение с живыми нейронами напоминает настройку старого радиоприёмника: важно поймать не только нужную волну, но и верно сориентировать антенну. Исследователи передавали визуальные образы через матрицу электродов и обнаружили ключевой принцип: монотонный, равномерный сигнал нейроны практически игнорируют, тогда как короткие пачки импульсов — вспышки, по временнóй структуре напоминающие сигналы пульсаров — вращающихся нейтронных звёзд, испускающих строго периодические импульсы, — нейронная сеть считывает с точностью до 95,6%. Такой код обладает высокой энтропией — мерой непредсказуемости, информационной насыщенности сигнала и потому несёт гораздо больше информации, чем ровное «гудение» постоянной частоты.

Но одного подбора временнóго паттерна мало. Пространственное размещение контактов на матрице электродов оказалось не менее критичным: прикосновение не к тому участку нейронной культуры ослабляло сигнал — точно так же, как если бы антенна смотрела в сторону от радиостанции. Иными словами, нейроны чувствительны не только к тому, «что» им говорят, но и к тому, «куда» обращаются.

Самое поразительное наблюдение: нейроны, которые в ходе развития никогда не сталкивались со светом, сумели распознать визуальные образы — как будто в них пробудилось искусственное зрение. Это указывает на то, что базовые вычислительные свойства нейронных сетей могут активироваться даже без предшествующего сенсорного опыта.

Для биогибридных устройств будущего эти результаты означают необходимость спектроскопической точности — то есть настройки, учитывающей весь спектр частотных и пространственных параметров стимуляции, а также отхода от стандартных моделей кодирования, предполагающих лишь простую частотную модуляцию.

Креветка-щелкун охотится, создавая ударную волну клешнёй — акустическую вспышку. Так и нейроны: короткие залпы импульсов проходят сквозь «шум» лучше монотонного гудения.

Это напоминает «Нейромант» Уильяма Гибсона: там биологические сети стали процессорами, а сегодня это лабораторная реальность.

Учёные
Albert EinsteinBarry BarishKip ThorneRichard FeynmanRussell HulseJocelyn Bell Burnell
Понятия
хранение информации размеченные данные обучение с подкреплением активное обучение нейронная сеть моделирование биологических ритмов технология регистрации нейронов топологический квантовый код рекуррентные нейронные сети свёрточные нейронные сети обучение нейронные сети в пространственном картировании клеточный нейроинтерфейс