En la Facultad de Ingeniería de la Universidad de Hong Kong (HKU), el Profesor Nagai Wang y el Dr. Zingo Liu, profesor de Departamento de Ingeniería Eléctrica y Electrónica, en colaboración con equipos de investigación de la Universidad de Singhwa y la Universidad de Tianzan, se basan en un Memorando de Investigación sobre la Compañía Memorial. Apareció en Electrónica de la naturalezaEsta investigación ofrece un enfoque innovador para implementar decodificadores neuromórficos de eficiencia energética en BCI que pueden integrarse efectivamente con los gestos cerebrales cambiantes.
La interfaz de computadora mental (BCI) es un sistema basado en la computadora que hace una comunicación directa entre los dispositivos cerebrales y externos, como las computadoras, que permite a las personas controlar completamente estos dispositivos o aplicaciones a través de la actividad cerebral, ignorando la necesidad de movimientos musculares tradicionales o un sistema nervioso. Esta tecnología tiene un gran potencial en los campos, desde tecnologías auxiliares hasta recuperación nerviosa. Sin embargo, el BCI tradicional todavía enfrenta desafíos.
“El cerebro es un sistema dinámico complicado que contiene señales que están permanentemente preparadas y volátiles”, dijeron el profesor Wang y el Dr. Liu. “Además, a medida que los enlaces de máquina mental crecen en complejidad, la arquitectura informática tradicional lucha con las demandas de procesamiento de tiempo real”.
La investigación de cooperación mutua aborda los desafíos en los que se han desarrollado chips conmemorativos de 128k células que actúan como adaptación de la señal cerebral. El equipo introdujo una estrategia de monumento de una fase efectiva de un hardware que reduce significativamente la complejidad computacional al tiempo que mantiene una alta precisión. El Dr. Liu, profesor asistente de investigación, profesor Liu, en el Departamento de Ingeniería Eléctrica y Electrónica de HKU, cooperó como el primer autor de este importante trabajo.
En las pruebas del mundo real, este sistema demostró habilidades impresionantes en la tarea de control de vuelos de vuelo por drones de cuatro grados a los drones, que logró el 85.17 % del igual de la precisión basada en reglas para los métodos basados en software, mientras utilizan 1.643 veces menos energía que el sistema tradicional orientado a la CPU y 216 veces más alto.
Lo más importante, los investigadores desarrollaron un marco de actualización interactivo que permite que el decodificador del memorista y la señal cerebral se adapten naturalmente entre sí. Esta co -evolución mostró más de seis horas de sesiones para incluir diez participantes, lo que resultó en aproximadamente un 20 % más de precisión en comparación con los sistemas sin la capacidad de participar.
El Dr. Liu explicó: “Nuestro trabajo era mejorar los modelos computacionales y las técnicas de reducción de errores para garantizar que los beneficios teóricos de la tecnología Memorialist puedan sentirse en aplicaciones prácticas de BCI”. “Las reglas de un solo paso que desarrollamos juntas reducen significativamente la complejidad computacional y los costos de hardware, lo que hace que la tecnología sea más accesible para escenarios prácticos generalizados”.
El profesor Wang enfatizó aún más: “Aún más importante, nuestro marco de actualización interactivo permite la evolución mutua entre el dikader memorista y los gestos cerebrales abordar la estabilidad a largo plazo de los BCI tradicionales. Promueve la precisión”.
Al impulsar el éxito de esta investigación, el equipo ahora está ampliando su trabajo a través de un nuevo apoyo con la Facultad de Medicina de Shing de Hku Lee y el Hospital Queen Mary para desarrollar un modelo de lenguaje grande de múltiples modelos para el análisis de datos de epilepsia.
“El propósito de esta nueva cooperación es extender nuestro trabajo en el área importante del diagnóstico de epilepsia y el tratamiento en el procesamiento de señales mentales”, dijeron el profesor Wang y el Dr. Liu. “Al combinar nuestras habilidades en el algoritmo moderno y la computación neuromoréfica con datos clínicos y experiencia, esperamos que se desarrollen modelos más precisos y eficientes para ayudar a los pacientes con epilepsia”.
Esta investigación representa un paso importante en los centros humanos, la inteligencia híbrida, que conecta cerebros biológicos con el sistema de computación neuromórfica, abre nuevas posibilidades para aplicaciones médicas, tecnologías de mantenimiento e interacción de la máquina humana.
El proyecto fue apoyado por el Proyecto del Proyecto de Investigación Basado en Temas de RGC (TRS) T45-701/22R, STI 2030 Proyectos principales, la Fundación Nacional de Ciencias Naturales de China y el Premio Explorer.
