現有大多數腦機接口的信號處理模塊采用的是傳統的馮 · 諾伊曼結構。處理信號的過程中，需要將模擬神經信號轉換成數字信號，之后再進行處理。這種信號處理方式與大腦的工作方式不同，轉換和壓縮會造成大功耗和信號延遲，還會導致信息丟失、難處理并行計算，從而降低信號處理的準確性。

現在，科學家開始嘗試仿生設計，以更好地處理大容量的神經模擬信號。

清華大學微納電子系、未來芯片技術高精尖創新中心的錢鶴、吳華強教授團隊與醫學院洪波教授團隊最近實現了一種新方案——基于記憶電阻器的神經信號分析系統。相關成果于 8 月 25 日發表在 Nature Communication 上。

圖 | 利用憶阻器陣列進行神經信號分析，實現高效的腦機接口 (來源：Nature Communications)

這是錢鶴和吳華強團隊關于憶阻器應用的新成果。此前在今年 2 月份，其團隊研制了基于多個憶阻器陣列的存算一體系統，在該系統上高效運行了卷積神經網絡算法，成功驗證了圖像識別功能。相關成果在《自然》上在線發表。

圖 | 全硬件實現的憶阻器卷積神經網絡（來源：Nature )

吳華強教授表示，憶阻器是一種新型信息處理器件，其工作機理與人腦中的神經突觸、神經元等具有一定的相似性，基于憶阻器（Memristor）的神經形態計算可以突破傳統計算架構，在實現高并行度的同時顯著降低功耗。

圖 | 基于憶阻器的新型腦機接口（來源：論文）

憶阻器（Memristor)，即記憶電阻器，其命名由 Memory（記憶）和 Resistor（電阻）合成。1971 年，加州大學伯克利分校教授蔡少棠根據電子學理論預言，存在繼電阻、電容、電感之后的第四種電路基本元件，這種基本原件能夠表示磁通與電荷之間的關系。

2008 年，惠普公司以兩層二氧化鈦薄膜制作出了憶阻器元件，當電流通過時，電阻會隨之發生改變。電流停止后，電阻會停留在此前的值，直到接收到反向的電流電阻值才會被重寫。這種對電流狀態變化的捕捉，與大腦突觸的可塑性具有相似性，并且兩者都是通過離子運動實現的。

憶阻器的特性讓其能直接處理模擬信號，通過憶阻器的陣列，能夠進一步實現信號的并行處理，這也是大腦的關鍵特征之一。

吳華強教授表示，此次是微電子和醫學領域的交叉研究與合作，為腦機接口技術帶來了更多的可能性。

原文標題：清華團隊提出新型腦機接口，功效提升400多倍

文章出處：【微信公眾號：DeepTech深科技】歡迎添加關注！文章轉載請注明出處。

責任編輯：haq