生きた神経細胞、つまり培養したニューロンを使い、教師あり時系列パターン学習を達成しました。これは、入力と正解を与えて学ばせる学習法です。これまで人工システム専用と考えられてきた領域に、生物ニューロンが踏み込みました。

この研究成果は、2026年3月12日に学術誌PNAS（米国科学アカデミー紀要）第123巻11号へオンライン掲載されました。つまり、今回の発表は構想段階ではありません。査読を経た研究成果として公表された点が重要です。

なぜこの研究が重要なのか

現在のAIでは、人工ニューラルネットワーク（ANN）やスパイキングニューラルネットワーク（SNN）が広く使われています。ANNは脳の神経回路を模した計算手法です。一方でSNNは、神経の発火をより生物らしく再現する方式です。

しかし、これらの人工システムは高性能な半面、膨大なエネルギーを消費するという課題があります。脳は非常に少ないエネルギーで複雑な処理をこなします。そのため、研究チームは「生物ニューラルネットワークを計算資源にできないか」という問いに挑みました。

つまり、この研究は単なる話題性だけではありません。AIの省エネルギー化、適応性の向上、そして脳の理解そのものに関わるテーマです。こうした中で、生きた脳細胞を計算に使う試みは、神経科学と機械学習の接点として大きな意味を持ちます。

研究の出発点となった考え方

研究チームが注目したのは、生物ニューラルネットワーク（BNN）です。BNNは、生きた神経細胞どうしが形成するネットワークを指します。実際に脳や神経系が持つ情報処理の仕組みに近い存在です。

一方で、人工システムは設計しやすく、再現性も高いです。しかし、生物の脳が示す柔軟性や効率性を完全には再現できていません。そのため、研究チームは、生物そのもののダイナミクスを利用する方向へ進みました。

「生物の神経ネットワークを計算資源として使えれば、AIと生命科学の両方に革命をもたらせるのではないか」。この問いが、本研究の出発点になりました。

リザバーコンピューティングという枠組み

研究チームが採用したのは、リザバーコンピューティングという機械学習の枠組みです。これは、内部で複雑に変化するネットワークの状態を利用して、時系列データを処理する手法です。時間とともに変化するデータを扱うのに向いています。

実際に、リザバーコンピューティングでは、再帰的につながったネットワークが重要な役割を担います。ネットワーク内部の豊かな変化をそのまま計算資源として使うため、効率の高い処理が期待できます。また、生物ニューラルネットワークとの相性もよいと考えられました。

一方で、この方式では出力側の調整が重要です。そのため、研究チームは出力を読み取る仕組みの最適化にも力を入れました。

FORCE学習が果たした役割

リードアウト層、つまり出力を読み取る部分には、FORCE学習が使われました。FORCEはFirst-Order Reduced and Controlled Errorの略です。リアルタイムで誤差を見ながら、出力信号を連続的に調整する学習法です。

この手法を生物ニューロンと組み合わせることで、システムはさまざまな時系列パターンを生成し、再現できるようになりました。つまり、単に反応するだけではありません。目標の時間変化に合わせて、出力を学び取る仕組みを持たせたのです。

さらに、フィードバックをオンにすると、BNN内の不規則な活動が低次元の構造化されたダイナミクスへ変わりました。安定した神経状態のあいだを移りながら、コヒーレントな軌跡が生まれました。これは、ばらばらな活動が意味のある流れへ整っていくことを示します。

生物と機械を結んだ閉ループ統合

本研究でもっとも重要な技術的革新は、マイクロ流体デバイスと高密度マイクロ電極アレイ（HD-MEA）の閉ループ統合です。マイクロ流体デバイスは、非常に小さな流路を精密に設計したチップです。細胞の配置や成長方向を制御できます。

研究チームは、このチップ上でラット大脳皮質ニューロンの成長方向や接続パターンを整えました。そしてHD-MEAが、神経活動をリアルタイムで読み取りました。さらに、その情報をもとにFORCE学習のフィードバック信号を生成しました。

そのため、この仕組みは単なる観察装置ではありません。生物と機械が互いに作用し合う一体型システムです。こうした中で、オンラインの教師あり学習を生きた神経細胞で実現した点が、今回の世界初の中身です。

モジュール型構造が持つ意味

この統合アーキテクチャにより、研究チームはモジュール型ネットワーク構造を構築しました。モジュール型とは、ネットワーク全体が一様ではなく、複数のまとまりを持つ構造です。これにより、過剰な同期化を防ぎやすくなります。

神経活動が一斉に同じ動きになると、複雑な情報処理には不利です。しかし、モジュール型構造では、多様な内部状態を保ちやすくなります。そのため、高次元ダイナミクスが促進されます。これは、リザバーコンピューティングに必要な複雑な内部状態の実現につながります。

さらに、リアルタイムの閉ループ制御によって、オンライン教師あり学習も可能になりました。実際に、2023年のPNAS論文でも、このモジュール型構造が分類精度の向上に正の相関を持つと示されていました。今回の研究は、その延長線上にある成果です。

実験で何ができたのか

訓練を受けた生物ニューラルネットワークは、複雑な時系列信号の生成に成功しました。ここが本研究の核心です。単純な反応ではなく、目標とする時間変化を再現する力が示されました。

生成に成功したパターンは以下の通りです。

• 正弦波（サイン波）
• 三角波
• 矩形波（方形波）
• ローレンツアトラクター

ローレンツアトラクターは、カオス的な変化を示す時系列パターンとして知られます。つまり、規則的な波だけでなく、より複雑な動きにも対応したわけです。生きた神経細胞が、こうした多様な時間パターンを扱えた点は極めて重要です。

正弦波を複数周波数で再現

特に注目されたのが、正弦波の再現です。同一システムの中で、周期4秒から30秒までの複数の正弦波を制御し、学習し、安定して再現しました。これは、生物ニューロンの柔軟な適応性を強く示す結果です。

人工的に設計された回路なら、複数の周期を出すこと自体は想像しやすいです。しかし、今回は生きた神経ネットワークが対象です。そのため、単なる工学的制御ではなく、生物が持つ可塑性と学習能力を計算として引き出した点に価値があります。

さらに、三角波や矩形波のような異なる形状の信号も安定して再現しました。一方で、より複雑なローレンツアトラクターの再現にも成功しています。つまり、このシステムは単一用途ではなく、複数の時系列表現に対応できることを示しました。

研究者が示した意義

東北大学の山本英明教授は、今回の研究について次のように述べています。

「この研究は、生きた神経ネットワークが生物学的に意味のあるシステムであるだけでなく、新しい計算資源としても機能しうることを示しています。神経科学と機械学習を橋渡しすることで、生物システムの内在的なダイナミクスを活用した新しい形態のコンピューティングへの道を切り拓いています。」

このコメントが示す通り、研究の意義は二重です。ひとつは、生物学として神経ネットワークの理解を深めることです。もうひとつは、新しい計算資源として生物を活用する道を開くことです。

医療や神経疾患研究への広がり

この研究は、コンピューティング分野だけにとどまりません。今後は、薬剤応答の研究や神経疾患モデリングへの応用も視野に入っています。神経疾患モデリングとは、病気の状態を実験系で再現し、仕組みや治療法を探る研究です。

そのため、今回の成果は医療分野にもつながります。生きた神経ネットワークを制御しながら学習させる仕組みが進めば、病的な神経活動を調べる新しい足場になる可能性があります。また、マイクロ生理学的システムへの発展も期待されています。

さらに、運動制御など、より実用的な時系列パターン生成への応用も挙げられています。つまり、将来は医療と計算科学の両方で、生物神経ネットワークの活用が広がる可能性があります。

先行研究とのつながり

今回の成果は、突然現れたものではありません。2023年の前研究では、同じマイクロ流体デバイス上の培養ニューロンが、音声数字などの時系列データを分類できることが示されていました。

分類とは、入力されたデータを種類ごとに見分けることです。一方で今回は、出力パターンを学習して生成するところまで進みました。つまり、認識だけでなく生成へ進んだわけです。ここに大きな前進があります。

こうした中で、前研究の分類能力と今回の時系列生成能力が組み合わされば、バイオハイブリッドAIシステムの実現に向けた道筋はさらに具体化します。生物と人工システムが補完し合う新しいAI像が、少しずつ見えてきました。

生きているコンピュータの時代は来るのか

東北大学らの研究は、生物と機械の境界線そのものを問い直します。生きた脳細胞が機械学習タスクを担えるという事実は、ニューロサイエンス、AI、医療工学の融合を象徴しています。

一方で、これで直ちに「生きているコンピュータ」が実用化するわけではありません。しかし、エネルギー効率、適応性、並列処理能力という点で、生物神経ネットワークには大きな強みがあります。そのため、今後の研究次第で新しい計算基盤へ育つ可能性があります。

つまり、この研究は未来像を誇張した話ではなく、実験で示された具体的な一歩です。しかも世界初の成果として、生物神経ネットワークが教師あり機械学習を担えることを示しました。実際に、バイオインスパイアードコンピューティングの発展を力強く後押しする内容です。

今後の課題と展望

今後の研究方向として、まず訓練後の信号生成の安定性向上が挙げられています。また、FORCE学習アルゴリズムそのものの改良も課題です。つまり、より長く、より安定して、より正確に動作する仕組みへ進化させる必要があります。

一方で、応用面の広がりも大きいです。薬剤応答研究、神経疾患モデリング、運動制御など、現実的な用途が見え始めています。こうした中で、研究は基礎科学と応用研究の両輪で進むことになりそうです。

さらに、生物神経ネットワークを計算資源として本格活用できれば、AIの設計思想そのものが変わる可能性があります。生きた脳細胞が機械学習タスクを実行する時代は、まだ始まったばかりです。しかし、その入口はすでに開かれました。

論文情報

• タイトル：Online supervised learning of temporal patterns in biological neural networks under feedback control
• 筆頭著者：曽野有希（Yuki Sono）ほか
• 掲載誌：PNAS（Proceedings of the National Academy of Sciences）Vol. 123, No. 11
• 掲載日：2026年3月12日（オンライン公開）
• 研究機関：東北大学、公立はこだて未来大学

ソース

• 東北大学
• PNAS
• PubMed
• MaxWell Biosystems
• JST Science Japan
• 東北大学工学研究科

投稿 生きた脳細胞が機械学習を実行 東北大学が世界初の研究成果を発表 は 仕事終わりの小節 に最初に表示されました。

この技術のすごいところは、100年以上も世界中で使われ続けてきた伝統的なアンモニアの作り方（ハーバー・ボッシュ法）に代わる、新しい選択肢になるかもしれない点です。今の作り方は世界の温室効果ガス排出量の約 2% を占めると言われており、地球温暖化の大きな原因の一つです。「変えたくても変えられない」と言われてきた巨大な産業に、日本の科学技術が風穴を開けようとしています。

まず知っておきたい：今の作り方「ハーバー・ボッシュ法」の悩み

現在、世界中で使われている「ハーバー・ボッシュ法」は、空気中の窒素と水素からアンモニアを作る方法です。これは人類の食料生産（肥料作り）を支える偉大な技術ですが、弱点があります。それは、反応を起こすために 約500℃ もの高温と、最大200気圧 というものすごい圧力をかけ続けなければならないことです。

想像してみてください。巨大な工場で常に高温・高圧を維持するには、莫大なエネルギーが必要です。実際、この方法だけで世界全体のエネルギー生産量の約 1% を消費していると言われています。これが環境への大きな負荷になっています。もちろん、今の食料生産を支えるためには必要な技術ですが、「もう少し省エネで、クリーンな方法はないか？」と世界中の科学者が探し求めていました。

もう一つの悩み：水が汚れる「硝酸塩汚染」の問題

一方で、世界には「水質汚染」という別の問題もあります。畑に撒いた肥料の残りや工場の排水などが川や海に流れ込むと、水の中に「硝酸塩」という成分が増えてしまいます。これが原因で藻（も）が異常に増えてしまったり、飲み水として適さなくなったりして、世界の水資源を脅かしているのです。特に、赤ちゃんの健康に悪影響を与える（メトヘモグロビン血症）リスクも指摘されており、これが汚染問題としての側面です。

今回の研究の面白いところは、「水処理（汚れた水をきれいにする）」と「アンモニア製造（肥料の材料を作る）」という、一見関係なさそうな2つの課題を、同時に解決しようとしている点にあります。

鍵は「電気の力」：常温・常圧で静かに変身させる

そこで注目されているのが、「電気化学的硝酸塩還元（でんきかがくてき・しょうさんえん・かんげん）」という難しい名前の技術です。簡単に言うと、電気の力を使って、水の中の汚れ（硝酸塩）をアンモニアに作り変えるという方法です。

従来のハーバー・ボッシュ法が「高温の炎と圧力で無理やりくっつける」イメージだとすれば、この新しい方法は「電気を使って、常温・常圧のまま優しく成分を組み替える」イメージです。熱を使わないので、再生可能エネルギー（太陽光や風力）で作った電気とも相性が良く、とてもクリーンなアンモニアを作ることができます。

東北大学の挑戦：ジャングルジムのような新素材「TU-82」

この技術を実現するために、東北大学の研究チームは「TU-82」と名付けた新しい材料を開発しました。これは専門用語で「共有結合性有機構造体（COF）」と呼ばれるものですが、イメージとしては、目に見えないくらい小さな3次元のジャングルジムのような構造を想像してください。

これまでの材料は、紙を積み重ねたような「2次元（平らな）」構造が主流でした。しかし、東北大学のチームはあえて3次元（立体的）の構造を採用しました。これが今回の大きな発見であり、世界に先駆けた試みです。この成果は2月2日に科学誌『Journal of Materials Chemistry A』に掲載され、材料科学の世界で注目を集めています。

何がすごいの？：「スカスカな構造」と「鉄の配置」

東北大学のチームが作ったこの「ジャングルジム（TU-82）」には、2つの工夫があります。

1つ目は、全体がスカスカで穴だらけ（多孔質）であること。
平らな板が重なっていると、その隙間に水や材料が入り込むのは大変です。しかし、ジャングルジムのようにスカスカなら、反応させたい物質がスイスイ中に入り込めますし、出来上がったアンモニアもサッと外に出られます。これを「物質輸送がスムーズになる」と言います。

2つ目は、ジャングルジムの骨組みの中に、反応の主役となる鉄（てつ）を埋め込んだこと。
しかも、鉄を塊（かたまり）として置くのではなく、原子レベルでバラバラに散りばめました。これを「原子分散」と言います。料理で言えば、塩を塊のまま入れるより、パラパラと均一に振ったほうが美味しくなるのに似ています。鉄が塊にならず、一つひとつの原子が均一な触媒中心として働くことで、無駄なく効率的に反応を進めることができるのです。

数字で見る実力：電気の無駄遣いが少ない！

この新しい材料「TU-82」を使って実験したところ、素晴らしい成績が出ました。まず注目すべきは、ファラデー効率 88.1% という数字です。

これは、「流した電気のうち、どれだけが本当にアンモニアを作るために使われたか」という成績表のようなものです。もし効率が悪いと、電気を流しても別の物質（ただの水素ガスなど）ばかりできてしまい、電気代の無駄になります。88.1%という数字は、電気のほとんどを無駄なくアンモニア製造に使えているという、非常に優秀な証拠です。

また、アンモニアを作るスピードも「1時間あたり、1平方センチメートルあたり 2.87ミリグラム」という具体的な数値を達成しました。これは実験室レベルではとても有望な結果であり、実用化への可能性を感じさせるデータです。

研究者の想い：「狙った場所で反応させる」設計図

東北大学のサイカット・ダス准教授は、この成果について「精密な設計」の重要性を強調しています。
ただ闇雲に材料を混ぜるのではなく、ジャングルジムの形（トポロジー）を計算し、狙った場所にピンポイントで金属（鉄）を配置する。そうすることで、すべての場所で同じように反応が起きる「均一な触媒」を作ることができたのです。

これまでは「やってみないと分からない」部分が多かった触媒開発において、設計図通りに高性能な材料を作れることを証明した点は、科学的にとても大きな意味を持ちます。

一方アメリカでは：鉄とコバルトの「最強タッグ」が登場

日本の東北大学だけでなく、アメリカのラトガース大学でも面白い研究が進んでいます。彼らは、鉄とコバルトという2種類の金属を組み合わせた触媒を発表しました。

この2つは、まるでスポーツのチームメイトのように協同して働きます。

• 鉄の役割： 水の中の「硝酸塩（汚れ）」をガッチリ捕まえて、反応しやすい状態にする。
• コバルトの役割： 水を分解して、アンモニアへの変身に必要な「水素」を供給する。

このように役割分担をすることで、なんと硝酸塩をほぼ100%アンモニアに変換することに成功したと報告されています。1つの材料の中で、別々の仕事をする金属が助け合う仕組みを作ったのです。

「汚染物質」を「資源」に変える逆転の発想

ラトガース大学のテウォドロス・アセファ教授は、この技術が私たちの考え方をガラリと変えるかもしれないと語っています。
これまでは、水に含まれる硝酸塩は「ただ取り除いて捨てるべき厄介者（汚染）」でした。しかし、この技術があれば、それは「アンモニアを作るための貴重な材料（資源）」に変わります。

ゴミだと思っていたものが宝物に変わる。この発想の転換こそが、環境問題を解決し、同時に新しい産業を生み出す鍵になるのです。

未来への課題：実験室から巨大工場へ

この技術は、エネルギーを食う「ハーバー・ボッシュ法」の問題と、水を汚す「硝酸塩汚染」の問題という、地球規模の2つの課題を同時に解決できる可能性を秘めています。東北大学の根岸雄一氏も、これを「持続可能な窒素循環（ちっそじゅんかん）のための強力な土台になる」と高く評価しています。

しかし、冷静な視点も必要です。この研究はまだ実験室のビーカーの中での成功です。
実際に社会で使うには、何千時間も連続で運転しても壊れない「耐久性」や、今の巨大なアンモニア工場と同じくらいの量を生産できる「規模の拡大」が必要です。実験室と工場では勝手が違います。

それでも、100年変わらなかったアンモニアの作り方に、新しい風が吹き始めたことは間違いありません。これからの発展に大いに期待したい技術です。

ソース

• sciencedaily.com（レポートの元情報）
• Journal of Materials Chemistry A（東北大学の研究成果が掲載された科学誌）
• Journal of Colloid and Interface Science（ラトガース大学の研究成果が掲載された科学誌）
• miragenews.com（関連ニュースソース）
• rcei.rutgers.edu（ラトガース大学関連ソース）

投稿 汚水を資源に　東北大らが挑む「グリーンアンモニア」製造の最前線 は 仕事終わりの小節 に最初に表示されました。

Yahoo!ニュース

Yahoo!ニュースは、新聞・通信社が配信するニュースのほか、映像、雑誌や個人の書き手が執筆する記事など多種多様なニュースを掲載しています。

news.yahoo.co.jp

こんにちは、科学の探求者の皆さん！

今日は、アルツハイマー病という深刻な課題に対する革新的なアプローチについての興味深い研究成果を共有します。

東北大学の研究グループが、毒蛇ハブの毒から抽出したタンパク質分解酵素が、アルツハイマー病の原因物質であるアミロイドベータを分解することを発見しました。

これまで、人間の体内酵素がアミロイドベータを分解することは知られていましたが、生物の毒素が効果的であるという発見は画期的です。

この研究では、ハブの毒から抽出した「蛇毒メタロプロテアーゼ」という酵素が、アミロイドベータを無害なペプチドに分解することが確認されました。

しかし、この酵素を高濃度で使用すると、細胞が死んでしまうという問題も浮かび上がっています。

研究チームは、最も効果的な濃度を見つけるために、今後マウスを使用した実験を行う予定です。

この発見は、アルツハイマー病の治療法の開発に新たな道を開く可能性があります。

しかし、どの成分が最も効果的かを特定するための追加研究が必要です。この研究は、自然界が持つ未知の力を解き明かし、人類の健康に貢献する可能性を改めて示しています。

投稿 アルツハイマー病との新たな戦い方: ハブの毒が鍵となるか？ は 仕事終わりの小節 に最初に表示されました。