现有大多数脑机接口的信号处理模块采用的是传统的冯 · 诺伊曼结构。处理信号的过程中,需要将模拟神经信号转换成数字信号,之后再进行处理。这种信号处理方式与大脑的工作方式不同,转换和压缩会造成大功耗和信号延迟,还会导致信息丢失、难处理并行计算,从而降低信号处理的准确性。
现在,科学家开始尝试仿生设计,以更好地处理大容量的神经模拟信号。
清华大学微纳电子系、未来芯片技术高精尖创新中心的钱鹤、吴华强教授团队与医学院洪波教授团队最近实现了一种新方案——基于记忆电阻器的神经信号分析系统。相关成果于 8 月 25 日发表在 nature communication 上。
图 | 利用忆阻器阵列进行神经信号分析,实现高效的脑机接口 (来源:nature communications)
这是钱鹤和吴华强团队关于忆阻器应用的新成果。此前在今年 2 月份,其团队研制了基于多个忆阻器阵列的存算一体系统,在该系统上高效运行了卷积神经网络算法,成功验证了图像识别功能。相关成果在《自然》上在线发表。
图 | 全硬件实现的忆阻器卷积神经网络(来源:nature )
吴华强教授表示,忆阻器是一种新型信息处理器件,其工作机理与人脑中的神经突触、神经元等具有一定的相似性,基于忆阻器(memristor)的神经形态计算可以突破传统计算架构,在实现高并行度的同时显著降低功耗。
图 | 基于忆阻器的新型脑机接口(来源:论文)
忆阻器(memristor),即记忆电阻器,其命名由 memory(记忆)和 resistor(电阻)合成。1971 年,加州大学伯克利分校教授蔡少棠根据电子学理论预言,存在继电阻、电容、电感之后的第四种电路基本元件,这种基本原件能够表示磁通与电荷之间的关系。
2008 年,惠普公司以两层二氧化钛薄膜制作出了忆阻器元件,当电流通过时,电阻会随之发生改变。电流停止后,电阻会停留在此前的值,直到接收到反向的电流电阻值才会被重写。这种对电流状态变化的捕捉,与大脑突触的可塑性具有相似性,并且两者都是通过离子运动实现的。
忆阻器的特性让其能直接处理模拟信号,通过忆阻器的阵列,能够进一步实现信号的并行处理,这也是大脑的关键特征之一。
吴华强教授表示,此次是微电子和医学领域的交叉研究与合作,为脑机接口技术带来了更多的可能性。
原文标题:清华团队提出新型脑机接口,功效提升400多倍
文章出处:【微信公众号:deeptech深科技】欢迎添加关注!文章转载请注明出处。
iPhone相机进行变焦的小技巧你学会了吗?
全产业链扩张面临成本压力 杉杉股份如何保住江湖地位?
触摸传感技术将掀起一股协作智能风暴
科研级土壤肥料养分检测仪生产厂家的相关介绍
被打败的小米机会在哪里?回顾曾经的10亿赌局
清华大学研究出基于记忆电阻器的神经信号分析系统
特斯拉计划为首批Semi电动半挂卡车客户建造充电站 采用太阳能电池板充电
一文详解虚函数及其相关知识点
R&S高端矢量网络分析仪主打DUT理念
三星推出扫地机器人VR7000 可实现语音控制
IMEC将下一代高分辨率EUV技术进行了商业化
高交会上洲明科技LED显示打造人气高地
74hc573芯片是什么类型的芯片?有什么用
气动自动化功能测试治具
东芝日立Renesas三日本芯片巨头建芯片联盟
下代Apple Watch独家信息曝光:不依赖iPhone
OPPO首款无线降噪耳机公布 采用4MicFF+FB双重主动降噪
谷歌推蓝牙信标新协议 旨在打造智慧城市
理想汽车公布2022年10月交付数据
戴森将在新加坡选址生产制造电动汽车