点击上面"脑机接口社区"关注我们

更多技术干货第一时间送达

俄罗斯罗巴切夫斯基州立大学(LobachevskyUniversity)的科学家与来自俄罗斯，意大利，中国和美国的科学家合作，提出了一种“忆阻性神经混合芯片”(Memristive neurohybrid chip)的概念，这种芯片将来可用于紧凑型生物传感器和神经假体。该概念基于神经细胞技术和微流体技术交叉处技术组合的现有和前瞻性解决方案，这些技术使“空间有序的活动神经网络”成为可能。结合CMOS兼容技术制作微电极矩阵和记忆器件阵列，这种集成方法可以用于实时记录、处理和刺激生物电活动。

罗巴切夫斯基州立大学(LobachevskyUniversity)物理与技术研究所实验室负责人AlexeyMikhaylov认为，不同子系统的交互作用是在单晶（芯片）上组织的，并由内置的模拟-数字电路控制。“生物相容性微电子系统的实施以及细胞技术的发展，使得神经修复术方面非常有可能取得突破：基于微纳米结构的微型生物电传感器，可以选择以多种方式存储和处理信号，包括前馈方法和反馈回路在内的各种方式可以用作主动神经接口，用于智能控制和管理神经元结构。

Mikhaylov表示：这种潜力（使用传统的神经接口架构无法实现）可以扩展到其他类型的生物电信号，从而利用便携式信号处理和诊断系统来记录脑，心脏和肌肉活动以及皮肤状态的信号。”

为了研发和制造双向神经接口，科学家目前使用复杂的电子电路来实现特殊的数学模型和信息处理的神经形态原理。这样的电子系统使用传统的元件，由于不满足能量效率和紧凑性的要求，无法与同一芯片上的活体培养物或组织进行安全交互。

为解决该问题，罗巴切夫斯基州立大学(LobachevskyUniversity)等研究机构的科学家提出了“忆阻性神经混合芯片”这一概念。

忆阻性神经混合芯片

俄罗斯和意大利的科学家提出并创建的忆阻器具有非线性电阻记忆的独特特性，是模拟信息处理系统中非常有用的元件。这些忆阻器还可以作为电生理活动传感器，同时发挥信息积累和非挥发性存储的功能。

神经混合系统的示意图

上图是提出的神经混合系统的示意图，该示意图展示了在一个CMOS集成芯片是由几个功能层组合而成。顶层是神经元系统的一部分，在这里以多电极阵列上生长的离体海马细胞培养物为代表，其功能顺序由一种特殊的微流控通道布局决定。

微电极层用于体外神经元的细胞外定位和刺激。它与忆阻器件阵列一起在CMOS层的顶部金属化层上实现。

忆阻装置执行的最简单的任务是直接处理生物网络的尖峰活动；然而，基于完全连接的交叉忆阻器层的自主学习神经网络结构可用于生物电活动时空特征的自适应解码。

Alexey Mikhaylov表示：该人工网络的输出可用于根据给定的协议通过逐步调制细胞外刺激来控制蜂窝网络模拟和数字电路，用于访问和控制多电极阵列和忆阻器件，在层之间放大，生成和传输信号应该在主要的CMOS层中实现。

要创建神经混合芯片，将需要在材料，设备，体系结构和系统层面对所有这些元素进行协同设计和优化。当然，这项工作必须与生物和神经技术的发展保持同步，以解决主要与生物相容性，机械效应，几何形状，微电极和探针的微型化以及小型化等有关问题，以及处理活体培养/组织在与人工电子子系统接口上的反应。

科学家提出的忆阻性神经混合芯片这一概念将为下一代机器人技术、人工智能和个性化医疗提供一种更广泛应用的忆阻性神经混合系统:“片上大脑”（pain-on-chip）。

神经混合系统的发展路线图

为了在可预见的时间范围内说明所提出的方法和相关产品，科学家已提出了忆阻性神经形态和神经混合系统的路线图。路线图的重点将放在利用生物神经网络的结构和原理开发和推广专用硬件，以支持人工智能、机器学习、神经假肢和神经接口技术的开发和大规模引进。

神经混合系统的发展路线图

科学家表示，该路线图的起点是2008年，与此同时，对忆阻器的当前关注也在不断发展，该路线图包括在神经生物学和神经生理学等广泛领域中正在进行的研究和开发。

研究人员在路线图上朝着这个方向的不同阶段设想了以下产品领域：神经形态计算设备；非侵入性神经接口；神经植入物，神经假体和侵入性神经接口等。

应用场景与影响

“记忆装置的独特特性决定了其在神经计算装置、脑机接口和神经修复体的应用神经形态和神经杂交系统开发中的关键重要性。考虑到人工智能技术、物联网、“大数据”和“智能城市”技术、机器人技术的发展和实施速度，到2030年，这些领域将在价值数万亿美元的世界高技术市场占据重要份额。

在不久的将来，神经修复和工具矫正/支持/增强人类认知能力将会逐步实现。

文章来源于网络，仅用于学术交流，

不用于商业行为，转载请联系后台

若有侵权及疑问，请后台留言，管理员即时删侵！

更多阅读

运动想象脑机接口中迁移学习的完整流程

华科大脑机接口与机器学习实验室博士后招聘！

基于头皮脑电的癫痫分类

基于生理信号的情感计算研究综述(一)

手把手教你EEG脑电数据预处理-操作篇

Python-可视化Evoked数据

快速入门脑机接口：BCI基础(一)

你的每一次在看，我都很在意！