来源：博瑞康
脑机接口技术作为信息科学与神经科学等多学科交叉融合的前沿领域，在康复医学、医疗电子等领域得到了广泛关注与应用。来自清华大学的科研团队提出基于忆阻器阵列的新型脑机接口，并在近期将成果以“面向高效脑机接口的忆阻器阵列神经信号分析系统”（Neural signal analysis with memristor arrays towards high-efficiency brain–machine interfaces）为题在线发表在《自然通讯》（Nature Communications）上。
传统脑机接口采用CMOS芯片体系，要把神经信号转换成数字信号才能处理，功耗大，并行计算效率低，随着脑机接口中的信号采集通道数的增加，系统面临着功耗和延时等方面的巨大挑战，这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。
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利用忆阻器的仿生与存算一体特性，合作提出了基于忆阻器阵列的新型脑机接口，构建了高效智能的脑电神经信号处理系统，演示了大脑癫痫状态的识别，实现了93.46%的高准确率，并将系统功耗降低了400多倍。这是两个研究团队学科交叉的最新研究成果。
图1 基于忆阻器阵列神经信号分析系统的新型脑机接口
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。受此启发，钱鹤、吴华强教授团队与洪波教授团队开展了两年多的交叉学科紧密合作，提出了基于忆阻器阵列的新型脑机接口，实验制备了具有模拟阻变特性的忆阻器阵列，并构建了基于忆阻器的神经信号分析系统。该系统包含用于神经信号高效预处理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。
为了验证该系统的可行性，研究团队演示了癫痫相关的神经信号滤波与分类，忆阻器系统最终实现了93.46%的大脑癫痫状态识别准确率，相较于传统CMOS硬件，具有400倍以上的功耗优势，相关成果已发布于《自然通讯》（Nature Communications）。
图2 用忆阻器神经信号分析系统识别癫痫相关大脑状态
图3 忆阻器阵列滤波结果示例与网络准确率和功耗的对比
吴华强教授介绍，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。
“这一系统的开发离不开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更多可能性。”吴华强说。
图4 清华大学研发的基于忆阻器阵列的脑电信号处理系统正在测试中