Wissenschaftler entwickeln lebende KI mit echten Gehirnzellen

Das Princeton-System unterscheidet sich dadurch, dass es so konzipiert ist, dass es mit den Zellen interagiert. Das Team setzte fortschrittliche Fertigungsmethoden ein, um ein dreidimensionales Gitter aus mikroskopischen Metalldrähten und Elektroden zu erstellen, die durch eine sehr dünne Epoxidharzbeschichtung zusammengehalten werden.

Diese Beschichtung ist flexibel genug, um mit den weichen Neuronen zu funktionieren, die sich darum herum entwickeln. Die Forscher verwendeten das Netz als Gerüst, sodass sich Zehntausende ßen dreidimensionalen Netzwerk entwickeln konnten, das in der Lage ist, Berechnungen durchzuführen. Die Studie wurde in Nature Electronics veröffentlicht. Ein lebendes Netzwerk lernt Muster.

Die Forscher erklärten, dass dieses integrierte Design es ihnen ermöglichte, neuronale elektrische Aktivität mit deutlich höherer Auflösung aufzuzeichnen und zu stimulieren als frühere Systeme. Über einen Zeitraum überwachten sie die Veränderungen im Netzwerk, testeten Methoden zur Stärkung oder Schwächung und entwickelten schließlich einen Algorithmus zur Erkennung.

In einem Experiment wurde das System

In einem Experiment wurde das System mit Paaren verschiedener räumlicher Muster getestet. In einem anderen Experiment wurden ihm unterschiedliche zeitliche Muster vorgelegt. In beiden Fällen konnte das System die Muster korrekt unterscheiden. Die Forscher geben an, die Plattform erweitern zu wollen, damit sie zukünftig komplexere Aufgaben bewältigen kann. Die Biologie des Gehirns trifft auf die Grenzen der KI.

Die Arbeit wurde gemeinsam, Assistenzprofessor für Elektrotechnik und Informatik sowie am Omenn-Darling Bioengineering Institute, James Sturm, Stephen R. Forrest Professor für Elektrotechnik und Informatik, und Kumar Mritunjay, einem Postdoktoranden für Elektrotechnik und Informatik, geleitet.

Das Projekt wurde zunächst entwickelt, um grundlegende Fragen der Neurowissenschaften zu untersuchen, doch das Team erkannte später, dass es auch dazu beitragen kann, eine der größten Herausforderungen der modernen KI zu bewältigen: den Energieverbrauch. „Der eigentliche Flaschenhals für KI in naher Zukunft ist der Energieverbrauch", sagte Fu. "Unser Gehirn verbraucht nur einen winzigen Bruchteil – etwa ein Millionstel – der Leistung, die heutige KI-Systeme für ähnliche Aufgaben benötigen." Mritunjay, Erster Autor der Studie, erklärte, dass Systeme dieser Art, sogenannte dreidimensionale biologische neuronale Netze, "nicht nur dabei helfen, die Rechenprinzipien des Gehirns zu entschlüsseln, sondern auch zum Verständnis und möglicherweise zur Behandlung neurologischer Erkrankungen beitragen können." Referenz: „A three-dimensional micro-instrumented neural network device", James C.

Sturm und Tian-Ming Fu, 23.

Sturm und Tian-Ming Fu, 23. April 2026, Nature Electronics.

DOI: 10.1038/s41928-026-01608-1 Förderung durch die Princeton Alliance for Collaborative Research and Innovation, die Princeton Catalysis Initiative, Innovationszuschüsse der School of Engineering and Applied Science sowie Start-up-Mittel der Fakultät über das Department of Electrical and Computer Engineering und das Omenn–Darling Bioengineering Institute der Princeton University.