RESEARCH

〜脳神経ネットワークの培養モデルをつくる〜

半導体デバイスの製造で培われた微細加工をを応用すると、脳神経回路の機能素子である神経細胞（ニューロン）が接着する位置や、神経突起を伸ばす方向を精密に制御することができます。私たちは、ガラス基板の表面に微細なパターンを形成したり、細胞よりも細い流路を備えたマイクロ流体デバイスを作製したりすることで、複雑な脳神経回路をシャーレ上に再構成し、その働きを調べられる培養モデルを作っています。

• 培養神経回路向け薄膜型マイクロ流体デバイスの開発 (JJAP 2020, Neural Netw. 2025)

〜脳の情報処理のしくみを解き明かす〜

大脳皮質と呼ばれる領域は、知覚や運動制御といった働きを支えていますが、この領域の回路には、密につながった神経細胞のかたまり（モジュール）が多数集まることで全体のネットワークが作られているという特徴があります。私たちの研究室では、このような特徴を模倣した神経細胞ネットワークを人工的に作るための技術を開発しています。具体的には、Theme 1で説明したデバイスの中でラットの大脳皮質神経細胞を培養することで、モジュール型配線構造を模した「人工神経細胞回路」をシャーレの中に再現しています。さらに、コンピュータを使ったデータ解析やシミュレーションと組み合わせることで、「作って確かめる」という工学的アプローチによって、生物の神経回路の特徴を一つひとつ解き明かそうとしています。

• モジュール構造型培養神経回路の人工再構成 (Sci. Adv. 2018)
• 培養神経回路における可塑性制御 (Adv. Mater. Technol. 2025)
• スパイキングニューラルネットワークを使った生体神経回路の数理モデリング (JJAP 2024, Neuromorph. Comput. Eng. 2025)

〜生体組織を活かした新しいコンピューティング技術〜

最近、ディープラーニングなどに比べて軽量な機械学習/AI技術として「リザバーコンピューティング」が注目されています。これは元々、リカレントニューラルネットワークと呼ばれる人工ニューラルネットワークを中間層（リザバー）として計算に活用する枠組みですが、私たちは、ラットの大脳皮質神経細胞で作った「人工神経細胞回路」がこのリザバーとして使えるかどうかを調べました。光遺伝学（光で神経細胞を操る技術）と蛍光カルシウムイメージング（神経細胞の活動を光で観察する技術）で培養神経回路の応答を記録した結果、「人工培養脳」は数百ミリ秒の短期記憶を持ち、人間の発話音声のような時系列データを分類できること、そして生物の神経回路特有の「カテゴリーをまとめて捉える」性質が計算性能を高めることが分かりました。このような実験を通じて生きた細胞が持つ特徴を理解し、工学的に応用することを目指しています。

• オンライン教師あり学習に基づく実細胞リザバーコンピューティング (PNAS 2026)
• モジュール構造型培養神経回路を用いた物理リザバーコンピューティング (PNAS 2023)