Современные алгоритмы нейронных сетей дают впечатляющие результаты, которые помогают решить невероятное количество проблем. Однако электронные устройства, используемые для выполнения этих алгоритмов, по-прежнему требуют слишком большой вычислительной мощности. Эти системы искусственного интеллекта (ИИ) просто не могут конкурировать с реальным мозгом, когда дело доходит до обработки сенсорной информации или взаимодействия с окружающей средой в реальном времени.

Нейроморфная инженерия — это новый многообещающий подход, устраняющий разрыв между искусственным и естественным интеллектом. Междисциплинарная исследовательская группа из Цюрихского университета, ETH Zurich и UniversityHospital Zurich использовала этот подход для разработки чипа на основе нейроморфной технологии, который надежно и точно распознает сложные биосигналы. Ученые смогли использовать эту технологию для успешного обнаружения ранее записанных высокочастотных колебаний (HFO). Эти специфические волны, измеренные с помощью внутричерепной электроэнцефалограммы (иЭЭГ), оказались многообещающими биомаркерами для определения ткани мозга, вызывающей эпилептические припадки.

Источник: ETH Zurich
A: Физическое расположение одного канала массива аналоговых headstage, в том числе МШУ, три нижних частот/полосовых фильтров, и сигнал четыре ADM , чтобы шип кодеров. B: Уменьшенная блок-схема нейроморфной платформы. C: Фотография микросхемы, показывающая кремниевый кристалл размером 11 мм x 9 мм. D: Прототипирование печатной платы (PCB), используемой для размещения микросхемы и инфраструктуры для реализации тестовой установки.

Вначале исследователи разработали алгоритм, который обнаруживает HFO, моделируя естественную нейронную сеть мозга: крошечную так называемую нейронную сеть с импульсами (SNN). Второй шаг включал реализацию SNN в аппаратном обеспечении размером с ноготь, которое принимает нейронные сигналы с помощью электродов и которое, в отличие от обычных компьютеров, является чрезвычайно энергоэффективным. Это делает возможными вычисления с очень высоким временным разрешением, не полагаясь на Интернет или облачные вычисления.

Теперь исследователи планируют использовать свои открытия для создания электронной системы, которая надежно распознает и отслеживает HFO в режиме реального времени. При использовании в качестве дополнительного диагностического инструмента в операционных, система может улучшить результаты нейрохирургических вмешательств.

Однако это не единственная область, в которой распознавание HFO может сыграть важную роль. Долгосрочная цель команды — разработать устройство для мониторинга эпилепсии, которое можно было бы использовать за пределами больницы и которое позволило бы анализировать сигналы от большого количества электродов в течение нескольких недель или месяцев.