摘要：研究人员已经对基于Memristor的脑部计算机界面（BCIS）进行了开创性研究。这项研究提出了一种创新的方法，用于在BCIS中实施节能自适应神经形态解码器，该解码器可以有效地与变化的大脑信号共同发展。...

香港大学（HKU）工程学院电气与电子工程系的Ngai Wong和Zhengwu Liu教授与Tsinghua大学和Tianjin大学的研究团队合作，对基于Memristor的Brain-Brain-Computer Interfaces（BCIS）进行了突破性的研究。发表在自然电子，这项研究提出了一种创新的方法，用于在BCIS中实施节能自适应神经形态解码器，该解码器可以有效地与变化的大脑信号共同发展。

大脑计算机界面（BCI）是一种基于计算机的系统，它在大脑和外部设备（例如计算机）之间创建直接通信途径，允许个人纯粹通过大脑活动来控制这些设备或应用，从而绕开了对传统肌肉运动或神经系统的需求。从辅助技术到神经康复，这项技术在广泛领域具有巨大潜力。但是，传统的BCI仍然面临挑战。

Wong教授和Liu博士说：“大脑是一个复杂的动态系统，具有不断发展和波动的信号。这给BCIS带来了巨大的挑战，即随着时间的流逝，保持稳定的性能。” “此外，随着脑机链接的复杂性，传统的计算体系结构在实时处理需求方面遇到了困难。”

该协作研究通过开发一个128k细胞的备忘录芯片来解决这些挑战，该芯片是一种自适应的大脑信号解码器。该团队引入了一个高效的一步备忘录策略，该策略可显着降低计算复杂性，同时保持高精度。 HKU电气和电子工程系的研究助理教授Liu博士是这项开创性工作的联合第一作者。

在现实世界测试中，该系统在四度无人机飞行控制任务中表现出令人印象深刻的功能，达到85.17％的解码准确性 - 相当于基于软件的方法 - 同时消耗的能源少1,643倍，并且提供的速度降低了1,643倍，而基于常规CPU的系统的标准速度则高216倍。

最重要的是，研究人员开发了一个交互式更新框架，该框架使备忘录解码器和大脑信号自然地适应。与没有共同进化能力的系统相比，这种共同进化在涉及十个参与者的实验中证明了其精度约20％。

Liu博士解释说：“我们在优化计算模型和缓解错误技术方面的工作对于确保Memristor技术的理论优势可以在实用的BCI应用中实现。” “我们共同开发的一步解码方法可显着降低计算复杂性和硬件成本，从而使该技术在各种实际情况下更容易访问。”

Wong教授进一步强调：“更重要的是，我们的互动更新框架可以使Memristor解码器和大脑信号之间的共同进化，解决了传统BCIS所面临的长期稳定性问题。这种共同进化机制使该系统可以随着时间的推移适应大脑信号的自然变化，从而极大地增强了解码稳定性和精确的使用。”

在这项研究成功的基础上，该团队现在通过与HKU Li Ka Shing Medicine和Mary Hospital的新合作来扩展他们的工作，以开发一种多模式的大语言模型，用于癫痫数据分析。

Wong教授和Liu博士说：“这种新的合作旨在将我们在脑信号处理的工作扩展到癫痫诊断和治疗的关键领域。” “通过将高级算法和神经形态计算的专业知识与临床数据和专业知识相结合，我们希望开发更准确有效的模型以帮助癫痫患者。”

这项研究代表了以人为中心的混合智力向前迈出的重要一步，该智力将生物学大脑与神经形态计算系统结合在一起，为医疗应用，康复技术和人机相互作用开辟了新的可能性。

该项目获得了基于RGC主题的研究计划（TRS）项目T45-701/22-R，STI 2030-Major项目，中国国家自然科学基金会和Xplorer奖的支持。