Язык живых нейронов: вспышки обеспечивают 95% точности ✎ 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 повернуть антенну. Учёные передавали картинки через электроды и выяснили: монотонный сигнал нейроны игнорируют, а короткие пачки — вспышки, похожие на импульсы пульсаров, — понимают с точностью до 95,6%. Такой код с высокой энтропией (мерой непредсказуемости) несёт гораздо больше информации, чем ровное гудение. Однако мало подобрать «частоту». Пространственное размещение контактов оказалось не менее важным: прикосновение не к тому месту на матрице электродов ослабляло сигнал, как если бы антенна смотрела в сторону от радиостанции. Самое удивительное: нейроны, никогда не сталкивавшиеся со светом, распознали визуальные образы — словно в них проснулось искусственное зрение. Биогибридные устройства будущего потребуют спектроскопической точности (настройки по спектру частот) и отхода от стандартных моделей кодирования.

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