清华团队提出基于忆阻器阵列的新型脑机接口，构建脑电神经信号高效处理系统

清华新闻网9月17日电 近年来，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，Neuralink、BrainCo、Neuracle等公司都积极投入实用化脑机接口的研发。目前，主流的脑机接口中的神经信号分析模块由硅CMOS电路构成，但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。

日前，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。上述成果近期以“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。

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

清华大学微纳电子系教授吴华强、助理教授唐建石和医学院教授洪波是本论文的共同通讯作者，清华大学微纳电子系博士生刘正午为论文的第一作者，论文合作者包括微纳电子系博士生周颖、医学院博士生刘定坤等人。该研究得到了国家自然科学基金委、科技部重点研发计划、北京信息科学与技术国家研究中心等支持。