8月30日，美国国家科学基金会（NSF）宣布通过“新兴研究创新前沿计划”（EFRI）的“通过工程类器官智能进行生物计算”项目^[1]，资助1400万美元支持7个跨学科研究项目，旨在加强类器官智能系统的基础研究，并确保其开发过程中的道德责任感，同时鼓励更广泛的科研人员参与生物计算的研究。

类器官智能是一个新兴的多学科领域，专注于开发模拟细胞和器官的灵活性、稳健性和效率的新型生物计算系统。受资助的7个研究团队将使用类器官智能系统来解决人工智能技术的当前限制，并彻底改变生物计算的能力。具体资助内容包括：

1、用于自适应储层计算的集成人脑类器官系统（密歇根大学）。通过结合神经形态计算理论和生物伦理学研究，开发受人脑结构和功能启发的生物工程类器官系统来提高神经形态计算能力。

2、通过基于心肌细胞的可重编程生物振荡神经网络植入密集联想记忆（圣母大学）。使用心肌细胞构建可重编程的生物振荡器神经网络，为创建高密度和节能的计算平台提供一种新的协同方法。

3、储层计算机：在纤维上使用活球体的智能和进化的机械储层计算（弗吉尼亚理工大学）。通过利用纤维网络上3D细胞培养的能力，开发一种可以学习、适应和物理进化的活储层计算机，从而实现高效的网络计算。

4、用于长期三维神经网络计算的神经元-软类器官-计算机接口（哈佛大学）。通过整合人工智能、神经元-软生物电子学和生物伦理学研究，创建一个生物共生系统，模拟生物神经网络的可扩展性、适应性和效率，能够执行长期、复杂的计算任务。

5、3D神经元类器官中的时空学习（马里兰大学）。旨在开发和表征神经元类器官中的时空模式计算网络，该网络可以扩展到更复杂的系统并实现高效的网络计算。

6、3D生物神经计算机，用于智能生物医学运动控制系统的可行性（加州大学欧文分校）。对3D神经网络进行生物工程改造，使其能与人类运动控制系统的基础大脑信号交互和解释，以推进生物计算领域并最终恢复失去的神经功能。

7、教会非脑类器官如何思考：使用基因电路实现的神经元网络的可编程类器官智能（麻省理工学院）。通过嵌入包含工程神经元网络的细胞，开发具有功能性智能的肝脏类器官，这些类器官可学习和适应环境中的毒素和感染。                                              （郑颖）