【儀表網(wǎng) 研發(fā)快訊】腦機接口(BCI)是人腦與外部設(shè)備之間建立的直接連接通道，不僅能夠促進人機交互，還可以用于腦科學(xué)研究以及神經(jīng)系統(tǒng)疾病的診療。然而，傳統(tǒng)腦機接口面臨兩大挑戰(zhàn)：人腦是一個復(fù)雜的動態(tài)系統(tǒng)，腦電信號存在很強的變異性，導(dǎo)致解碼器性能難以長期維持穩(wěn)定；同時，隨著應(yīng)用場景擴展，腦電信號采集的通道數(shù)急劇增長，解碼算法也變得更加復(fù)雜，為腦電高效實時處理帶來巨大挑戰(zhàn)。
 

圖1.研究人員提出了自適應(yīng)神經(jīng)形態(tài)解碼器，支持腦機協(xié)同演進
 

　　針對上述挑戰(zhàn)，清華大學(xué)集成電路學(xué)院與天津大學(xué)腦機海河實驗室合作，提出了基于憶阻器類腦計算芯片的新型腦機接口解決方案。團隊研制了一款128Kb規(guī)模的憶阻器芯片作為自適應(yīng)腦電解碼器，構(gòu)建了完整的腦機接口系統(tǒng)(包含腦電采集、解碼和執(zhí)行器)，提出了單步解碼策略和交互式更新框架，實現(xiàn)了長期穩(wěn)定的高效高精度腦電解碼與腦機協(xié)同演進。
 

圖2.關(guān)鍵技術(shù)創(chuàng)新：(a)單步解碼策略(b)交互式更新框架
 

　　該憶阻器芯片采用的單步解碼策略，將穩(wěn)態(tài)視覺誘發(fā)電位(SSVEP)腦電意圖信號的三步解碼過程(信號濾波預(yù)處理、任務(wù)相關(guān)分量特征提取、模板匹配分類)整合為單一步驟，將計算復(fù)雜度降低6.5倍，同時減少了憶阻器非理想特性對計算精度的影響。在四自由度實時腦控?zé)o人機飛行任務(wù)中，該解碼器達到了與軟件計算相當(dāng)?shù)慕獯a準確率(85.17%)。計算評估顯示，憶阻器芯片解碼的能耗比傳統(tǒng)CPU降低了三個數(shù)量級，歸一化處理速度提升了兩個數(shù)量級。
 

圖3.基于憶阻器芯片腦電解碼的實時腦控?zé)o人機飛行
 

　　團隊開發(fā)的交互式更新框架，利用誤差相關(guān)電位(ErrP)作為大腦對憶阻器解碼結(jié)果的反饋信號，在實驗過程中動態(tài)累計新樣本用來更新憶阻器解碼器，使其能夠與動態(tài)變化的腦信號協(xié)同演進、相互適應(yīng)。在十名被試參與且平均長達六小時的人機交互實驗中，具有協(xié)同演進能力的腦機接口比傳統(tǒng)接口的解碼準確率提高了約20%。在該實驗中，大腦和解碼器的貢獻比例呈現(xiàn)動態(tài)變化：初期主要依靠解碼器的自適應(yīng)更新，隨著時間推移，大腦的貢獻逐漸增加，最終達到兩者的動態(tài)平衡，完整展示了腦機協(xié)同演進的過程。
 

　　圖4.大腦-憶阻器解碼器協(xié)同演進實驗：(a)腦電解碼準確率(b)腦電任務(wù)相關(guān)特征的信噪比和(c)憶阻器解碼器的演變過程
 

　　該研究實現(xiàn)了生物大腦與神經(jīng)形態(tài)憶阻器類腦芯片的首次緊密交互與協(xié)同演進，為人機混合智能開辟了新途徑。利用憶阻器的高能效存算一體與電導(dǎo)原位更新的特點，基于類腦芯片的自適應(yīng)腦電解碼在硬件效率和解碼準確率上均取得了突破性進展，不僅適用于各類腦機接口系統(tǒng)，還可拓展至神經(jīng)調(diào)控、運動康復(fù)、虛擬現(xiàn)實等應(yīng)用領(lǐng)域。
 

　　相關(guān)研究成果以“基于憶阻器自適應(yīng)神經(jīng)形態(tài)解碼器的腦機接口”(A memristor-based adaptive neuromorphic decoder for brain-computer interfaces)為題，于2月17日發(fā)表于《自然·電子學(xué)》(Nature Electronics)。
 

　　清華大學(xué)集成電路學(xué)院唐建石副教授、吳華強教授和天津大學(xué)腦機海河實驗室團隊許敏鵬教授、明東教授為論文的共同通訊作者，清華大學(xué)集成電路學(xué)院博士畢業(yè)生劉正午(現(xiàn)為香港大學(xué)電機電子工程系研究助理教授)和天津大學(xué)博士生梅杰為共同第一作者。合作者包括清華大學(xué)集成電路學(xué)院錢鶴教授、高濱副教授、姚鵬副研究員，天津大學(xué)腦機海河實驗室團隊王坤副教授，香港大學(xué)電機電子工程系黃毅副教授，清華大學(xué)生物醫(yī)學(xué)工程學(xué)院洪波教授，加州大學(xué)圣迭戈分校鐘子平教授等。
 

　　研究得到科技部科技創(chuàng)新—2030“腦科學(xué)與類腦研究”重大項目、香港研究資助局主題研究計劃、香港大學(xué)基礎(chǔ)研究種子基金、天津市腦機交互與人機共融海河實驗室、天津大學(xué)先進醫(yī)用材料與醫(yī)療器械全國重點實驗室、北京集成電路高精尖創(chuàng)新中心、北京信息科學(xué)與技術(shù)國家研究中心、科學(xué)探索獎等的支持。