Investigadores da Universidade de Princeton, nos Estados Unidos, integraram células cerebrais vivas a componentes eletrônicos e demonstraram um processador biológico-eletrônico tridimensional capaz de executar tarefas de computação, como reconhecimento de padrões. O projeto, liderado por Kumar Mritunjay, resulta de uma abordagem que combina técnicas de microfabricação e cultivo celular para explorar o potencial de redes neurais biológicas em aplicações de inteligência artificial (IA) com baixo consumo de energia.
Estrutura em malha 3D facilita o crescimento dos neurônios
O dispositivo utiliza uma malha microscópica de fios metálicos e eletrodos sustentados por uma película fina de epóxi. A espessura reduzida desse suporte confere flexibilidade suficiente para que milhares de neurônios convivam com o material sem comprometer o seu desenvolvimento natural. À medida que as células se fixam no andaime, formam conexões sinápticas em três dimensões, estabelecendo uma rede biológica densa que pode ser estimulada e monitorada eletricamente.
Segundo os responsáveis, versões anteriores de processadores à base de neurônios dependiam de culturas bidimensionais em placas de Petri ou de aglomerados 3D examinados externamente. O novo método, descrito como “de dentro para fora”, incorpora eletrodos diretamente no volume ocupado pelas células, oferecendo acesso a cada neurônio individual de modo semelhante ao controle de transistores em chips convencionais.
Monitoramento preciso e treinamento de longo prazo
Com a integração profunda entre eletrônica e tecido neural, a equipa registou e estimulou a atividade elétrica das células com resolução superior à obtida em tentativas anteriores. O processador híbrido manteve estabilidade por mais de seis meses, período suficiente para submeter a rede biológica a sessões de treino destinadas a fortalecer ou enfraquecer sinapses específicas. Esse procedimento permitiu que os neurônios aprendessem a distinguir pares de padrões elétricos diferentes tanto no espaço quanto no tempo.
Para realizar o treinamento, foram aplicadas sequências controladas de impulsos elétricos, induzindo alterações graduais na eficácia das conexões sinápticas, processo próximo ao princípio de plasticidade observado no cérebro humano. A resposta da rede foi medida continuamente, e ajustes finos nos estímulos aperfeiçoaram o reconhecimento de padrões, demonstrando que o conjunto biológico-eletrônico pode executar algoritmos crescentes de complexidade.
Potencial de eficiência energética em IA
Um dos principais objetivos da pesquisa é enfrentar o elevado consumo de energia dos sistemas de IA modernos. De acordo com o professor Tian-Ming Fu, que participa do projeto, o cérebro humano consome apenas uma fração — cerca de um milionésimo — da energia gasta por processadores eletrônicos tradicionais para tarefas semelhantes. Ao aproveitar as qualidades naturais dos neurônios, como comunicação paralela massiva e baixo gasto energético, a plataforma pretende oferecer uma alternativa mais eficiente para aplicações de aprendizagem de máquina.
Imagem: Tecnologia Inovação Notícias
Embora tenha sido concebida inicialmente para investigar questões básicas de neurociência, a infraestrutura sugerida pelos cientistas pode contribuir para soluções neuromórficas de próxima geração. A equipe reconhece, porém, que desafios como escalabilidade industrial, biocompatibilidade de longo prazo e integração com arquiteturas de silício existentes ainda precisam ser superados antes de qualquer uso comercial.
Caminhos futuros e possíveis aplicações
Os investigadores planejam expandir o número de eletrodos ativos e explorar métodos automáticos de cultivo celular para produzir lotes maiores de processadores biológicos. À medida que a capacidade de registro aumenta, espera-se que algoritmos mais sofisticados, incluindo aqueles voltados a visão computacional e controle de robôs, possam ser executados diretamente nas redes neuronais vivas.
Em paralelo, a plataforma oferecerá uma janela experimental para estudar fenômenos como formação de memória, plasticidade sináptica e dinâmica de circuitos neuronais em três dimensões. Tais observações podem alimentar tanto o desenvolvimento de hardware neuromórfico quanto a compreensão de doenças neurológicas.
Apesar do estágio inicial, a integração de neurônios vivos com eletrônica tridimensional demonstra viabilidade para computação prática e sugere um caminho promissor na busca por sistemas de IA de baixo consumo energético.
