利用类脑设备高效处理神经信号构建新型脑机接口（NatureCommunications）在线联合发表题为“Neuralsignalanalysiswithmemristorarraystowardshigh-efficiencybrain-machineinterfaces”的研究论文.利用忆阻器的仿生和记忆计算一体化特性，基于忆阻器的Array新型脑机接口构建了高效智能的脑电神经信号处理系统，展示了对大脑癫痫状态的识别，准确率高达93.46%，系统功耗降低400多倍。这是两个研究团队跨学科研究的最新研究成果。图1.一种基于忆阻器阵列神经信号分析系统的新型脑机接口。近年来，脑机接口技术作为信息科学与神经科学交叉融合的前沿领域，在康复医学、医疗电子等领域得到广泛应用。关注与应用，Neuralink、BrainCo、Neuracle等公司积极投入实用脑机接口的研发。脑机接口技术可以将大脑发出的动作或言语意图转化为控制指令，从而帮助运动和语言障碍患者的康复。同时，脑机接口技术还可用于监测与癫痫、阿尔茨海默病和帕金森病等神经退行性疾病相关的大脑状态，为这些疾病提供新的治疗选择。目前主流脑机接口中的神经信号分析模块均采用硅CMOS电路构成，但随着脑机接口中信号采集通道数量的增加，系统在功耗方面面临巨大挑战消耗和延迟。是制约脑机接口技术在植入式或便携式医疗系统中应用的重要瓶颈之一。忆阻器是一种新型的信息处理器件，其电导状态可以通过外加电压激发驱动离子迁移来调节。忆阻器的工作机制与人脑中的突触和神经元有一定的相似性。基于忆阻器的神经拟态计算可以突破传统的计算架构，在实现高并行度的同时显着降低功耗。因此，它在脑机接口领域具有巨大的应用潜力。受此启发，研究团队通过在脑机接口领域长达两年多的紧密跨学科合作，提出了一种基于忆阻器阵列的新型脑机接口。基于忆阻器的神经信号分析系统。该系统包括用于高效预处理神经信号的忆阻器滤波器组和用于智能分类识别的忆阻器神经网络。为了验证系统的可行性，研究团队演示了癫痫相关神经信号的过滤和分类。忆阻器系统最终实现了93.46%的大脑癫痫状态识别准确率，比传统CMOS硬件快400多倍。实力优势。图2.使用忆阻器神经信号分析系统处理和识别癫痫相关的大脑状态首次作为通用神经信号处理单元。(2)提出了一种基于忆阻器阵列的新型脑机接口原型系统，集成高阶FIR滤波器组作为神经信号预处理单元，忆阻器神经网络作为信号译码单元。(3)利用预先记录的癫痫相关神经信号数据集(BonnEpilepsyDataset)，验证了构建的神经信号处理系统的功能，对脑癫痫状态的识别准确率为93.46%。评估表明，系统功耗比传统硬件低两个数量级以上。清华大学微纳电子学系吴华强教授、唐建石助理教授和医学院洪波教授为该论文的共同通讯作者。清华大学微纳电子学系博士生刘政武为该论文的第一作者。合作者包括微纳电子系博士生周莹、医学院博士生刘定坤等。该研究得到了国家自然科学基金、科技部重点研发计划和北京信息科学与技术国家研究中心的支持。面向高效脑机接口的忆阻器阵列神经信号分析ZhengwuLiu,JianshiTang,BinGao,PengYao,XinyiLi,DingkunLiu,YingZhou,HeQian,BoHong,HuaqiangWuNat.Commun.,2020,11,4234,DOI:10.1038/s41467-020-18105-4清华大学钱禾、吴华强团队简介微纳电子学系钱禾、吴华强教授团队长期致力于基于忆阻器的存储计算集成芯片技术的研究。在性能优化、工艺集成、电路设计、架构和算法等多个层面实现创新突破，相关研究成果发表在Nature、NatureNanotechnology、NatureElectronics、NatureCommunications、AdvancedMaterials等顶级期刊，以及在IEDM、ISSCC、VLSI等领域的国际学术会议上发表。何谦https://www.x-mol.com/university/faculty/243659吴华强https://www.x-mol.com/university/faculty/243676清华大学洪博团队介绍脑微创发展-计算机接口与人脑语言神经机制研究。团队与临床神经外科、微电子学、材料学等学科合作，开发人脑功能定位和脑网络分析的新方法，提出并实现了基于颅内脑电图的微创脑机接口技术。编码机制取得重大进展，相关研究成果发表在NatureNeuroscience、PNAS、NatureCommunications等期刊。https://www.x-mol.com/university/faculty/60613科研思路分析问：做这项研究的初衷是什么？或者想法是如何产生的？A：我们团队的研究工作主要围绕忆阻器展开，利用忆阻器存储和计算的特性，高效完成矩阵向量乘法，从而实现人工神经网络的加速。其中，忆阻器的工作机制是依靠电场驱动氧离子的迁移来实现电阻调节，这与生物神经网络中突触和神经元的工作机制非常相似，这启发了我们利用忆阻器来实现电阻调节。因此，我们的研究是利用忆阻器的仿生特性构建新型脑机接口，以实现功能性神经信号处理。它在功耗和速度方面优于传统的CMOS电路。Q：在研究过程中遇到了哪些挑战？A：我们在研究过程中遇到的最大挑战之一就是如何使用忆阻器阵列来实现高阶滤波器组，为后续神经网络的分类获取高精度的滤波结果。这个挑战包括如何使用忆阻器直接处理以模拟形式输入的信号，如何将滤波器系数高精度地映射到忆阻器电导值，以及如何克服不同输入电压下器件电导波动和电导计算结果不完全一致的问题。不利影响等具体问题。在解决问题的过程中，我们团队在基于忆阻器的记忆计算一体化研究中积累的经验起到了关键作用。此外，脑机接口领域本身就是一个非常活跃的交叉学科领域。忆阻器作为一种新器件的引入，在一定程度上增加了研究的难度，同时也带来了新的机遇。我们的团队与洪博先生的团队合作，充分利用他们在各自领域的理解和技术积累，解决了跨领域研究带来的一系列问题。例如，在设计滤波器时，综合考虑了识别癫痫的脑电波段要求和设备规模对计算结果的影响；在设计忆阻器神经网络的类型和规模时，研究了不同癫痫生物标志物选择的影响等。Q：这项研究成果可能有哪些重要应用？哪些领域的企业或研究机构可能会从这项成果中受益？A：我们的研究为脑机接口构建了一个高效的神经信号分析系统，可以用于帮助治疗某些神经系统疾病，如癫痫、帕金森病等；同时，它也可以作为探索大脑工作机制的重要工具。我们提出利用仿生类脑计算设备构建基于忆阻器的脑机接口，可为医疗电子、生物医学等领域提供新的研究思路。
