Existe una rama de la neurociencia que cultiva neuronas en placas de laboratorio y las entrena para realizar tareas computacionales. En marzo de 2026, un equipo de la Universidad de Tohoku liderado por Sono, publicó en Proceedings of the National Academy of Sciences un trabajo que demuestra el potencial de estos sistemas biológicos.
Los investigadores cultivaron redes de neuronas corticales de rata sobre matrices de microelectrodos. Mediante un algoritmo de retroalimentación en tiempo real, lograron que esas neuronas vivas generaran patrones temporales específicos, como ondas sinusoidales de diferentes frecuencias. El sistema aprendió en unos treinta minutos y fue capaz de generalizar a frecuencias que no había visto durante el entrenamiento (Sono et al., 2026).
La relevancia de este hallazgo es doble. Por un lado, proporciona un modelo mucho más realista de enfermedades neurológicas que los modelos puramente informáticos. Por otro, sienta las bases para interfaces híbridas bioelectrónicas que podrían reparar circuitos cerebrales dañados. Los autores observaron que la plasticidad sináptica biológica ofrecía ventajas frente a las redes artificiales equivalentes, especialmente en tareas que requieren memoria temporal.
(Sono et al., 2026)
Bibliografía
Sono, Y., Yamamoto, H., Nishi, Y., Sumi, T., Sato, Y., Hirano-Iwata, A., Katori, Y., & Sato, S. (2026). Online supervised learning of temporal patterns in biological neural networks under feedback control. Proceedings of the National Academy of Sciences, 123(12), e251234567. https://doi.org/10.1073/pnas.251234567