現代のAI（人工知能）は、驚異的な進化を遂げた。しかし、私たちの頭蓋骨に収まっている「脳」という、わずか20ワット程度のエネルギーで駆動する生体コンピュータの柔軟性と効率性には、いまだ遠く及ばないのが現実だ。
今のAIロボットは、視覚処理、運動計画、そして実際の動作制御を行うために、膨大な計算リソースと複雑なソフトウェア、そして何千もの特化型チップを必要としている。だがもし、たった一つの微細な電子部品が、カメレオンのようにその役割を変え、脳の異なる領域の神経細胞（ニューロン）として振る舞うことができるとしたらどうだろうか？
英国ロフバラ大学が主導する国際研究チームは、まさにその夢のようなデバイス「トランスニューロン（Transneuron）」の開発に成功した事を報告している。この新たな技術が従来と異なるのは、これが単なるシミュレーション（模擬）とは異なり、物理的な法則を用いて、生物学的ニューロンの挙動をハードウェアレベルで「エミュレート（模倣）」する画期的な技術である点だ。
なぜこれが「ブレイクスルー」なのか？
従来の「人工ニューロン」と呼ばれるハードウェアの多くは、特定のタスクや特定のニューロンの挙動を再現するために設計されていた。つまり、視覚情報の処理にはそれに適した回路、運動制御には別の回路が必要だったのだ。
しかし、今回発表された「トランスニューロン」は根本的に異なる。
状況に応じて「変身」する素子
研究チームが開発したこのデバイスは、印加される電圧や環境温度を調整するだけで、以下の3つの異なる脳領域のニューロン活動を、単一のデバイスで再現することに成功した。
- MT野（中側頭回）： 視覚情報の動きや方向を感知する領域。
- PRR（頭頂到達領域）： 運動の「計画」や意図を司る領域。
- PM（運動前野）： 実際の筋肉への指令や運動の準備に関わる領域。
これらは本来、生物学的には異なる発火パターン（スパイク活動）を持つ神経細胞群だ。しかし、トランスニューロンは、70～100%という驚異的な精度で、これらの異なるパターンの再現に成功した。これは、1つのチップが「目」にもなれば、「脳の司令塔」にもなり、「筋肉への伝令」にもなれることを意味する。
この「再構成可能性（Reconfigurability）」は極めて重要だ。従来の半導体設計では、汎用性を求めれば効率が落ち、専門性を求めれば柔軟性が失われるというジレンマがあった。このトランスニューロンは、「動的に役割を変更できる」という点で、ハードウェアの限界を突破する可能性を秘めている。
「拡散メモリスタ」と銀原子のダンス
では、一体どうやってシリコンチップ上の素子が、複雑な生物のニューロンを模倣できるのだろうか？ その秘密は「拡散メモリスタ（Diffusive Memristor）」と呼ばれるナノテクノロジーにある。
メモリスタとは何か？
メモリスタ（Memristor）は「Memory（記憶）」と「Resistor（抵抗器）」を組み合わせた造語で、通過した電流の履歴を抵抗値として記憶できる素子のことだ。従来のトランジスタが「0か1か」のデジタルスイッチであるのに対し、メモリスタはアナログ的で連続的な変化を保持できるため、脳のシナプスやニューロンの挙動を模倣するのに適している。
ナノスケールで起きている「物理的変化」
今回のトランスニューロンの構造は、白金（Pt）の電極間に、銀（Ag）の微粒子を含んだ二酸化ケイ素（SiO₂）の薄膜を挟んだものだ。
- フィラメントの形成： 電圧をかけると、絶縁体の中に散らばっていた銀原子が動き出し（拡散）、電極同士をつなぐ微細な「橋（フィラメント）」を形成する。これにより電流が流れる（ニューロンの発火）。
- フィラメントの崩壊： 電圧が下がったり、表面張力のような力が働いたりすると、この銀の橋は自然に崩れて切断される（発火の停止）。
この「橋ができては壊れる」という物理的なプロセスが、ニューロンのパルス信号（スパイク）を生み出す。重要なのは、これが完全に規則正しいわけではなく、ある種の「確率的なゆらぎ（ノイズ）」を含んでいる点だ。
「ノイズ」はバグではなく機能である
従来のコンピュータにとって、ノイズやランダム性は排除すべき「敵」だった。しかし、生物の脳にとってノイズは、柔軟な学習や適応を行うための重要な「資源」である。
トランスニューロンは、銀原子の熱的な動き（ブラウン運動）に由来する確率的な挙動をあえて利用している。これにより、決定論的なプログラムでは再現が難しい、生物特有の「ゆらぎのある反応」をハードウェアレベルで実現したのだ。これが、この素子が極めて人間に近い挙動を示す最大の理由である。
アカゲザルの脳との比較検証：驚くべき一致率
本研究の信頼性を高めているのは、実際の生物学的データとの厳密な比較検証だ。研究チームは、アカゲザルが視覚刺激を受けたり、腕を伸ばす動作を行ったりしている際の脳波データを記録し、トランスニューロンの出力と比較した。
3つの異なる発火モード
論文（Nature Communications）の詳細データによると、トランスニューロンは以下の3つのモードを自在に行き来できることが示された。
- 規則的なスパイク（Regular Spiking）： PRR（計画領域）で見られるような、比較的規則正しい信号。
- 不規則なスパイク（Irregular Spiking）： MT野（視覚領域）で見られる、ランダム性の高い信号。
- バースト発火（Bursting）： PM（運動前野）で見られる、短期間に激しく発火した後に休止するパターン。
定量的な証明
科学的な裏付けとして、研究チームは「変動係数（$CV_1, CV_2$）」という指標を用いてスパイクの統計的特性を分析した。その結果、トランスニューロンが生成する信号の分布は、アカゲザルの実データと大部分で重なり合った。
特に、MT野（視覚）のニューロン活動に関しては100%、PRR（計画）に関しては約70%の範囲をカバーし、PM（運動）の特徴であるバースト発火も、特定の電圧範囲で完璧に再現された。これは、単なる「似ている」レベルを超え、統計的性質として「等価である」と言えるレベルに達している。
「カオス」の縁で計算する：トランスニューロンの革新性
本研究のさらに興味深い点は、トランスニューロンが単に入力をコピーして出力するだけでなく、「計算（Computation）」を行っているという事実だ。
選択性と信号比較
生物のニューロンは、特定の方向の動きや、特定の強さの刺激に対してのみ強く反応する「選択性（Selectivity）」を持つ。トランスニューロンも同様に、入力信号の周波数や強度に応じて発火頻度を変化させる能力を示した。
さらに驚くべきことに、この素子は2つの異なる信号（電圧と温度の変動など）が同時に入力された際、それらの「位相（タイミング）」のずれを検知して反応を変えることができた。
- 同位相（タイミングが同じ）： 発火が抑制される。
- 逆位相（タイミングがずれている）： 激しく発火する。
通常、このような「信号の比較」や「論理演算」を行うには、複数のニューロンやトランジスタを組み合わせた回路が必要となる。しかし、トランスニューロンは、たった1つの素子の中で、物理現象（熱と電気の相互作用）を利用してこの計算を行ってしまうのだ。
「カオスの縁」が生む柔軟性
論文内では「Edge of Chaos（カオスの縁）」という言葉が引用されている。これは、秩序（動かない状態）とカオス（ランダムな状態）の中間にある、最も複雑で適応的な情報処理が可能になる領域のことだ。
トランスニューロンは、電圧や抵抗を微調整することで、この「カオスの縁」にある複数の状態（アトラクタ）を行き来する。これこそが、1つの素子が多様な役割を演じられる物理学的背景であり、生物の脳が持つ柔軟性の正体でもあると考えられている。
ロボット工学とAIのパラダイムシフト
この技術は、私たちの社会にどのようなインパクトを与えるのだろうか？
1. 「Cortex on a Chip（チップ上の大脳皮質）」の実現
研究チームは、次のステップとして、多数のトランスニューロンを相互接続したネットワークの構築を目指している。これが実現すれば、従来のCPUやGPUとは全く異なるアーキテクチャを持つ「神経型プロセッサ」が誕生する。
現在のAIは、ソフトウェア上でニューラルネットワークを「シミュレーション」しているに過ぎない。しかしトランスニューロンを使えば、ハードウェアそのものがニューラルネットワークとして「物理的に動作」する。これにより、計算速度の向上と消費電力の劇的な削減が期待できる。
2. エッジAIと自律型ロボットの進化
現在、高度なAIロボット（人型ロボットなど）は、背中に重いバッテリーを背負い、強力なGPUを冷却するためにファンを回し続けている。
トランスニューロンによる「人工神経系」を搭載したロボットは、以下のような特徴を持つ可能性がある。
- 超低消費電力： 脳のように省エネで稼働し、バッテリー寿命が飛躍的に伸びる。
- 即応性： クラウドにデータを送って処理するのではなく、指先やカメラの直下（エッジ）で、アナログ信号を直接処理して即座に反応できる。
- 環境適応性： ノイズや環境変化に強いため、不確実な現実世界でもエラーを起こしにくくなる。
3. 人体とのインターフェース
トランスニューロンは生物学的ニューロンと極めて似た電気信号を扱うため、将来的には義手や義足の制御、あるいは損傷した脳機能の代替といった、医療分野への応用も視野に入る。人間の神経系と直接「会話」できるチップの可能性だ。
シリコンが「生命」に近づく日
今回のロフバラ大学の研究成果は、AIハードウェアの進化における重要なマイルストーンである。それは単に「計算が速い」ということではない。「計算の質」が生物に近づいたということだ。
従来のコンピュータが「論理」で動くのに対し、トランスニューロンは「物理現象のゆらぎ」を使って動く。これは、「計算」というよりも「反応」に近い。
筆者は、この技術が直ちに現在のGPUやCPUを置き換えるとは考えていない。しかし、ロボットの皮膚感覚、視覚の一次処理、反射運動といった「生物的な層」において、デジタルチップでは到達できない効率と柔軟性を提供するだろう。
「ロボットに人間のような神経系を与える」
かつてSFの中で語られた夢物語は、銀原子がナノスケールの世界で橋を架けたり壊したりする物理現象によって、着実に現実のものとなりつつある。私たちは今、シリコンと生命の境界線が曖昧になる時代の入り口に立っているのかもしれない。
論文
- Nature Communications: Artificial transneurons emulate neuronal activity in different areas of brain cortex (2025) – DOI: 10.1038/s41467-025-62151-9
参考文献
