Nat. Electron | 革命性脑机接口：忆阻器驱动的自适应解码器开启低能耗、高精度交互新篇章

星标“医工学人”，第一时间获取医工交叉领域新闻动态~

医工学人评论

基于忆阻器的自适应脑机接口，通过脑电信号与解码器的协同进化，大幅提升了解码精度和系统适应性，开启了低能耗、高效能脑机交互的新纪元。

脑机接口（BCI）在脑疾病诊断和治疗、脑到文本通信、语音合成、运动控制和脊髓刺激等方面有广泛应用。然而当前的自适应解码器主要依赖于预更新解码器生成的数据标签，缺乏主动的脑参与，且传统硅芯片在处理大量脑信号时存在延迟和能耗问题。清华大学集成电路学院与天津大学脑机海河实验室团队在新型脑机接口领域取得研究突破，相关成果以「基于忆阻器自适应神经形态解码器的脑机接口」（A memristor-based adaptive neuromorphic decoder for brain-computer interfaces）为题发表在Nature Electronics。该研究提出了一种基于忆阻器类脑计算芯片的新型脑机接口解决方案，实现了生物大脑与神经形态忆阻器类脑芯片的首次紧密交互与协同演进，为人机混合智能开辟了新途径。

创新性：提出了一种基于忆阻器的脑机接口（BCI）解码器，相较于传统的基于CPU或GPU的解码方式，该方法显著降低了能耗，提高了计算效率，并实现了硬件级的实时信号处理。首次揭示脑机交互过程中脑电发展与解码器演化的协同增强效应，在6小时的交互过程中准确率提高约20%。

局限性：该忆阻器解码器主要基于稳态视觉诱发电位（SSVEP）进行脑信号解码，这种方法主要适用于视觉相关的BCI任务（如脑控无人机或脑控光标），但对其他BCI应用（如运动想象、语音解码等）的适应性仍需进一步研究。尽管本研究已经采用了一步解码策略（one-step decoding strategy）来减少误差积累，但在更复杂的脑信号解码任务中，忆阻器的计算精度仍需进一步优化。实验仅持续了6小时，虽然验证了忆阻器解码器的适应能力，但对于长时间（如数天或数周）使用的稳定性和可靠性尚未有充分验证。

临床应用潜力：可用于神经康复，如中风患者的运动康复，通过BCI控制外部设备（如机器人手臂或假肢）帮助患者进行运动训练。可结合神经调控设备（如深部脑刺激DBS或经颅电刺激tDCS），用于帕金森病、癫痫、抑郁症等疾病的闭环控制系统，实时解码脑电信号并动态调整刺激参数，实现精准治疗。可用于高通道数脑电记录（如ECoG、侵入式多电极阵列）进行大规模神经信号处理，提升脑机接口的解码性能。通过与无线传输技术结合，有望实现真正的移动式或植入式脑机接口，推动BCI技术的实际应用。

*评论内容仅供参考，一切以英文原文为准

脑机接口（BCI）在人脑和外部设备之间建立直接的连接通道，不仅能够促进人机交互，还可以用于脑科学研究以及神经系统疾病的诊疗。然而，传统脑机接口面临两大挑战：人脑是一个复杂的动态系统，脑电信号存在很强的变异性，导致解码器性能难以长期维持稳定；同时，随着应用场景扩展，脑电信号采集的通道数急剧增长，解码算法也变得更加复杂，为脑电高效实时处理带来巨大挑战。

天津大学脑机海河实验室许敏鹏教授介绍，未来，这款系统计划拓展到更多便携式或可穿戴脑机接口设备中，服务于消费级、医疗级等各类智能人机交互实用场景。（来源：科技日报）

图1 脑机交互过程中脑电发展与解码器演化的协同增强效应

脑机接口能实现大脑与机器直接信息交流，促进生物智能与机器智能融合，被公认是新一代人机交互和人机混合智能的核心技术。如何通过脑机之间的信息交互实现“互学习”，进而促进脑机智能的协同演进，是突破脑机性能瓶颈的重点和难点。“但目前脑机交互过程中大脑与机器的动态耦合机制尚未厘清，导致脑机之间的长时程互适应能力较弱，工作性能随时间下降严重。”天津大学脑机海河实验室许敏鹏教授说。

研究团队发现，脑电信号中的非平稳特性不仅来源于传统观点认为的背景脑电变异，而且与闭环脑机交互引导下的任务脑电演变密切相关。基于这一发现，团队首次提出了“双环路脑机协同演进框架”，并通过忆阻器神经形态器件构建了全新的脑机接口系统。

图2 （a）脑-忆阻器芯片交互式更新框架;（b）基于忆阻器芯片脑电解码的实时脑控无人机飞行

在双环路框架下，“机学习”环路中的忆阻器解码器通过适应脑电信号波动完成解码参数更新，“脑学习”环路中的任务相关脑电特征在“决策-反馈”循环的引导下不断正向演化。相关算法基于128kb规模的忆阻器神经形态器件实现了硬件化部署，将脑电信号的多步计算过程优化为单步计算。

“相较于传统纯数字硬件方案，‘双环路’脑机接口系统精度更高、能耗更低、能处理更复杂任务。使效率提高2个数量级（百倍）以上，能耗降低3个数量级（千分之一）以下。”许敏鹏举例说，传统无创脑机接口技术通常只能控制无人机进行简单的二自由度飞行，研究团队开发的“双环路”脑机接口系统可高效支撑无人机完成上下、左右、前后、旋转四自由度任务目标。

图3（a）协同演进脑机解码正确率较初始状态提高20%；

（b）任务相关脑电特征发生正向演化；

（c）脑与忆阻器解码器实现互适应

在连续6小时的长时程脑机交互实验中，大脑和解码器的贡献比例呈现动态变化，展现出了脑机协同演进的过程：初期以解码器自适应更新为主，随着时间推移，大脑贡献逐步增加，最终脑机接口性能不仅没有下降，准确率还提升了约20%。

许敏鹏表示：“这项研究首次提出了脑机协同演进的概念，并基于忆阻器神经形态器件完成了技术验证，通过长时程大脑与忆阻器神经形态器件之间的信息交互，初步实现了生物智能与机器智能的互适应、互学习，为未来实用型脑机接口系统提供了重要的理论基础与技术支撑，也为脑机融合智能的发展开辟了新的方向。”他还透露，“未来，这款系统计划拓展到更多便携式或可穿戴脑机接口设备中，服务于消费级、医疗级等各类智能人机交互实用场景。”

清华大学集成电路学院唐建石副教授、吴华强教授和天津大学脑机海河实验室团队许敏鹏教授、明东教授为论文的共同通讯作者，清华大学集成电路学院博士毕业生刘正午（现为香港大学电机电子工程系研究助理教授）和天津大学博士生梅杰为共同第一作者。