基于忆阻器的自适应神经形态脑机接口解码系统

革命性脑机接口解码系统

日期：2025年3月30日
来源：某机构
摘要：研究人员对基于忆阻器的脑机接口（BCI）进行了开创性研究。该研究提出了一种创新方法，用于在BCI中实现能效高、自适应的神经形态解码器，该解码器能够与变化的脑信号有效协同进化。

完整报道

来自某大学工程学院电气与电子工程系的N.W.教授和Z.L.博士，与某机构及另一机构的研究团队合作，对基于忆阻器的脑机接口（BCI）进行了开创性研究。该研究成果发表于《自然·电子学》，提出了一种创新方法，用于在BCI中实现高能效的自适应神经形态解码器，该解码器能够与变化的脑信号有效协同进化。

脑机接口（BCI）是一种基于计算机的系统，在大脑与外部设备（如计算机）之间建立直接通信通路，使个体仅通过大脑活动即可控制这些设备或应用程序，无需传统的肌肉运动或神经系统参与。该技术在从辅助技术到神经康复的广泛领域具有巨大潜力。然而，传统BCI仍然面临挑战。

“大脑是一个复杂的动态系统，其信号不断演变和波动。这对BCI长期保持稳定性能构成了重大挑战。”Wong教授和Liu博士表示，“此外，随着脑-机连接复杂性的增加，传统计算架构难以满足实时处理需求。”

该合作研究通过开发一款128K单元的忆阻器芯片来应对这些挑战，该芯片用作自适应脑信号解码器。研究团队提出了一种硬件高效的一步式忆阻器解码策略，在保持高精度的同时显著降低了计算复杂度。Liu博士作为共同第一作者参与了这项开创性工作。

在实际测试中，该系统在四自由度无人机飞行控制任务中展示了令人印象深刻的能力，解码准确率达到85.17%——与基于软件的方法相当——同时能耗比传统基于CPU的系统低1643倍，归一化速度高216倍。

最重要的是，研究人员开发了一个交互式更新框架，使忆阻器解码器和脑信号能够自然地相互适应。在涉及10名参与者、每次持续6小时的实验中，这种协同进化能力使准确率比不具备协同进化能力的系统提高了约20%。

“我们在优化计算模型和错误缓解技术方面的工作对于确保忆阻器技术的理论优势能够在实际BCI应用中实现至关重要。”Liu博士解释说，“我们共同开发的一步式解码方法显著降低了计算复杂度和硬件成本，使该技术更易于在广泛的实际场景中使用。”

Wong教授进一步强调：“更重要的是，我们的交互式更新框架实现了忆阻器解码器与脑信号之间的协同进化，解决了传统BCI面临的长期稳定性问题。这种协同进化机制使系统能够适应脑信号随时间的自然变化，在长时间使用中大幅提升解码稳定性和准确性。”

基于这项研究的成功，团队目前正在通过与某大学医学院和某医院的新合作来扩展工作，开发用于癫痫数据分析的多模态大语言模型。

“这项新合作旨在将我们在脑信号处理方面的工作扩展到癫痫诊断和治疗这一关键领域。”Wong教授和Liu博士表示，“通过将我们在先进算法和神经形态计算方面的专业知识与临床数据和专业知识相结合，我们希望开发出更准确、更高效的模型来帮助癫痫患者。”

该研究代表了以人为中心的混合智能领域的重要进展，这种智能将生物大脑与神经形态计算系统相结合，为医疗应用、康复技术和人机交互开辟了新的可能性。

该项目得到了多个研究计划的资助。FINISHED
更多精彩内容 请关注我的个人公众号 公众号（办公AI智能小助手）或者 我的个人博客 https://blog.qife122.com/
对网络安全、黑客技术感兴趣的朋友可以关注我的安全公众号（网络安全技术点滴分享）