圖1. 基于憶阻器陣列神經信號分析系統的新型腦機接口

近年來，腦機接口技術作為信息科學與神經科學等多學科交叉融合的前沿領域，在康復醫學、醫療電子等領域得到了廣泛關注與應用， Neuralink、BrainCo、Neuracle等公司都積極投入實用化腦機接口的研發。腦機接口技術可以將大腦發出的動作或言語意圖翻譯為控制指令，從而幫助運動、語言障礙患者的康復治療。同時，腦機接口技術還可以用來監測與癲癇、阿爾茲海默癥和帕金森病等神經退行性疾病相關的腦狀態，為治療這些疾病提供新的治療方案。目前，主流的腦機接口中的神經信號分析模塊由硅CMOS電路構成，但隨著腦機接口中的信號采集通道數的增加，系統面臨著功耗和延時等方面的巨大挑戰，這是制約腦機接口技術在植入式或便攜式醫療系統中應用的重要瓶頸之一。

憶阻器是一種新型信息處理器件，其電導狀態可以通過外加電壓激勵驅動離子遷移來調節。憶阻器的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，因此在腦機接口領域有著巨大的應用潛力。

研究團隊受此啟發，通過在腦機接口領域兩年多的交叉學科緊密合作，提出了基于憶阻器陣列的新型腦機接口，實驗制備了具有模擬阻變特性的憶阻器陣列，并構建了基于憶阻器的神經信號分析系統。該系統包含用于神經信號高效預處理的憶阻器濾波器組和用于智能分類識別的憶阻器神經網絡。為了驗證該系統的可行性，研究團隊演示了癲癇相關的神經信號濾波與分類，憶阻器系統最終實現了93.46%的大腦癲癇狀態識別準確率，相較于傳統CMOS硬件，具有400倍以上的功耗優勢。

圖2. 用憶阻器神經信號分析系統來處理和識別癲癇相關的大腦狀態

圖3. 憶阻器陣列濾波結果示例與網絡準確率和功耗的對比

該工作的主要創新之處包括：

（1）受大腦中高并行的模擬神經信號處理方式的啟發，利用憶阻器的仿生特性首次高效實現了高階FIR濾波器組，作為一個通用的神經信號處理單元。

（2）提出一種基于憶阻器陣列的新型腦機接口原型系統，集成了作為神經信號預處理單元的高階FIR濾波器組和作為信號解碼器單元的憶阻器神經網絡。

（3）使用預記錄的癲癇相關神經信號的數據集（Bonn Epilepsy Dataset），對所構建的神經信號處理系統的功能進行了驗證，實現了93.46%的大腦癲癇狀態識別準確率。評估表明，系統功耗相比傳統硬件具有兩個數量級以上的優勢。

清華大學微納電子系吳華強教授、唐建石助理教授和醫學院洪波教授是本論文的共同通訊作者，清華大學微納電子系博士生劉正午為論文的第一作者，論文合作者包括微納電子系博士生周穎、醫學院博士生劉定坤等人。該研究得到了國家自然科學基金委、科技部重點研發計劃、北京信息科學與技術國家研究中心等支持。

Neural signal analysis with memristor arrays towards high-efficiency brain–machine interfaces

Zhengwu Liu, Jianshi Tang, Bin Gao, Peng Yao, Xinyi Li, Dingkun Liu, Ying Zhou, He Qian, Bo Hong, Huaqiang Wu

Nat. Commun., 2020, 11, 4234, DOI: 10.1038/s41467-020-18105-4

清華大學錢鶴、吳華強團隊簡介

微納電子系錢鶴、吳華強教授團隊長期致力于基于憶阻器的存算一體芯片技術研究，從器件性能優化、工藝集成、電路設計及架構與算法等多層次實現創新突破，相關研究成果已在Nature、Nature Nanotechnology、Nature Electronics、Nature Communications、Advanced Materials 等頂級期刊以及IEDM、ISSCC、VLSI等領域內頂級國際學術會議上發表。

錢鶴

https://www.x-mol.com/university/faculty/243659

吳華強

https://www.x-mol.com/university/faculty/243676

清華大學洪波團隊介紹

醫學院洪波團隊長期專注于微創腦機接口開發和人腦語言神經機制研究。團隊與臨床神經外科、微電子、材料等學科合作，發展了人腦功能定位與腦網絡分析新方法，提出并實現了基于顱內腦電的微創腦機接口技術，在解析人腦語音語言編碼機制方面取得重要進展，相關研究成果在Nature Neuroscience, PNAS, Nature Communications 等期刊上發表。

https://www.x-mol.com/university/faculty/60613

科研思路分析

Q：這項研究最初是什么目的？或者說想法是怎么產生的？

A：我們團隊的研究工作主要是圍繞憶阻器開展，利用憶阻器存算一體的特點來高效地完成矩陣-向量乘法，從而實現人工神經網絡的加速。其中，憶阻器的工作機理是依賴電場驅動下氧離子遷移實現阻值調控，這與生物神經網絡中的突觸和神經元的工作機理很相似，這就啟發我們利用憶阻器通過類腦計算的方式來實現高效的神經信號處理，將憶阻器作為連接生物神經與電子系統的天然橋梁，因此我們這項研究就是嘗試利用憶阻器的仿生特性來構建新型腦機接口，以期在功耗和速度等方面比傳統CMOS電路更有優勢。

Q：研究過程中遇到哪些挑戰？

A：我們研究過程中遇到的最大挑戰之一是如何利用憶阻器陣列來實現高階的濾波器組，以得到足夠高精度的濾波結果用于后一級神經網絡的分類。這個挑戰包括如何用憶阻器直接處理以模擬形式輸入的信號，如何將濾波器系數高精度地映射為憶阻器電導值，如何克服器件電導波動以及不同輸入電壓下電導不完全一致對計算結果產生的不良影響等具體問題。解決問題的過程中，我們團隊在基于憶阻器的存算一體研究方面積累的經驗起到了關鍵的作用。

另外，腦機接口領域本身就是一個非常活躍的交叉學科領域，作為一種新器件，憶阻器的引入一定程度上增加了研究的難度，同時也帶來了新的機遇。我們團隊和洪波老師團隊合作，充分利用對各自領域的理解和技術積累，解決了研究中因跨領域帶來的一系列問題。比如，在設計濾波器時，綜合考慮了識別癲癇的腦電頻段需求和器件規模對計算結果的影響；在設計憶阻器神經網絡類型和規模時，研究了不同癲癇生物標志物選擇的影響等。

Q：該研究成果可能有哪些重要的應用？哪些領域的企業或研究機構可能從該成果中獲得幫助？

A：我們的研究為腦機接口構建了高效的神經信號分析系統，可以用于幫助治療某些神經系統的疾病，比如癲癇、帕金森病等；同時還可以作為探究大腦的工作機理的重要工具。我們提出用仿生的類腦計算器件來構建基于憶阻器的腦機接口，可以為醫療電子、生物醫學等領域提供新的研究思路。