Encoding Tactile Stimuli for Organoid Intelligence in Braille Recognition

本研究提出了一种可泛化的编码策略，将触觉传感器数据映射为电刺激模式，使神经类器官能够执行开环的人工触觉盲文分类任务。研究人员在低密度微电极阵列（MEA）上培养的人类前脑类器官，通过系统性的电刺激，刻画了电刺激参数（脉冲数量、相位幅度、相位时长和触发延迟）与类器官反应之间的关系，这些反应以尖峰活动和活动中心的空间位移作为衡量指标。将该策略应用于Evetac传感器记录的基于事件的触觉输入后，系统在仅使用一个类器官的情况下实现了平均61%的盲文字符分类准确率；当结合三个类器官的响应后，准确率显著提升至83%。此外，多类器官配置在面对多种人为引入的噪声时表现出更强的鲁棒性。本研究展示了类器官作为低功耗、自适应的生物混合计算单元的潜力，并为未来可扩展的生物混合计算架构提供了基础的编码框架。

这篇论文试图解决如何将触觉传感器数据有效地转化为电刺激模式，以驱动神经类器官执行开放环路的人工触觉盲文分类任务。这个问题属于新兴的生物混合计算领域，涉及神经工程、类器官技术与人工智能的交叉，是一个较新的研究方向。

论文的关键思路是提出了一种通用的编码策略，将触觉信号转化为电刺激参数，并利用类器官的神经活动进行模式识别。相比现有研究，该论文首次系统性地探索了类器官在电刺激下的响应特性，并将其用于实际任务（如盲文识别），展示了类器官作为低功耗生物计算单元的潜力。

1. 使用人类前脑类器官在低密度微电极阵列上进行电刺激响应建模 2. 实现了61%的盲文分类准确率（单个类器官），三类器官集成后提升至83% 3. 多类器官配置对噪声具有更强的鲁棒性 4. 实验基于Evetac触觉传感器的真实触觉事件数据 5. 为未来可扩展的生物混合计算架构提供了基础框架

1. Organoid intelligence (OI): In vitro models of cognition-based computing 2. Neural organoids as biological hardware for neuromorphic systems 3. Stimulation encoding strategies for in vitro neuronal cultures 4. Event-based tactile sensing and neuromorphic processing 5. Biohybrid robotics: integrating living cells with synthetic systems