💻 computer science

A 32-channel event-based bio-signal analog front-end with adaptive delta and pulse frequency encoding

본 논문은 뉴로모픽 뇌-컴퓨터 인터페이스를 위한 고도로 구성 가능하고 저전력이며 압축 가능한 생체 신호 획득을 가능하게 하기 위해 이중 모드 펄스 주파수 변조(Pulse Frequency Modulation)와 적응형 비동기 델타 변조(Asynchronous Delta Modulation)를 활용하는, 180nm CMOS 공정으로 제작된 32채널 이벤트 기반 아날로그 프런트엔드 ASIC을 제시한다.

원저자: Narayanan Shyam, Saptarshi Ghosh, Giacomo Indiveri

게시일 2026-07-15

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Narayanan Shyam, Saptarshi Ghosh, Giacomo Indiveri

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

당신이 북적이고 시끄러운 경기장에서 속삭임을 들으려고 노력하고 있다고 상상해 보십시오. 만약 모든 것을 그냥 녹음하는 일반적인 마이크를 사용한다면, 속삭임을 묻어버리는 소음의 벽을 마주하게 될 것입니다. 이제, 오직 속삭임만을 기록하고 군중의 소리는 무시하면서, 동시에 군중이 얼마나 시끄러워지느냐에 따라 즉각적으로 볼륨을 높이거나 낮출 줄 아는 아주 똑똑한 마이크를 상상해 보십시오. 이것이 바로 연구진이 만든 것의 본질입니다. 뇌의 전기 신호를 들을 때 소음에 압도되지 않도록 설계된 32채널의 작은 "스마트 마이크" 칩입니다.

기존 마이크의 문제점
뇌 신호를 감지하는 대부분의 장치(뇌-컴퓨터 인터페이스 등에 사용되는)는 "고정된" 설정을 사용합니다. 이것은 마치 특정 민감도로 설정된 동작 감지 센서가 달린 보안 카메라와 같습니다. 만약 설정이 너무 민감하면, 바람에 흔들리는 나뭇잎(소음)이 카메라를 작동시켜 쓸모없는 사진들로 저장 공간을 가득 채울 것입니다. 반대로 설정이 너무 느슨하면, 더 큰 움직임을 기다리느라 실제 지나가는 사람을 놓칠 수도 있습니다. 이 논문은 이러한 "일률적인" 방식이 장기적인 모니터링에는 한계가 있다고 주장합니다. 왜냐하면 현실 세계의 신호는 무질서하며 시간이 지남에 따라 변하기 때문입니다. 고정된 설정은 너무 많은 데이터를 생성하거나 중요한 세부 사항을 놓치게 됩니다.

새로운 "스마트" 칩
연구진은 180nm CMOS 공정으로 제작된, 32채널 스마트 마이크 역할을 하는 새로운 칩을 만들었습니다. 각 채널은 두 가지 특별한 청취 방식을 갖추고 있습니다:

펄스 주파수 변조 (PFM): 이것은 음악이 격렬해지면 드럼을 더 빠르게 치고, 차분해지면 더 느리게 치는 드러머와 같습니다. 이는 신호를 "스파이크" 또는 이벤트의 흐름으로 변환합니다.
적응형 비동기 델타 변조기 (aADM): 이것이 진정한 주인공입니다. 고정된 규칙을 따르는 대신, 이 회로는 내장된 "엔벨로프 트래커(envelope tracker)"를 가지고 있습니다. 이것은 변화하는 파도의 모양에 맞춰 끊임없이 보드 높이를 조절하는 서퍼와 같습니다. 이 회로는 들어오는 신호의 "엔벨로프"(전체적인 형태)를 실시간으로 추적합니다.

"서퍼"의 작동 원리
aADM 회로는 "노이즈 플로어(noise floor)", 즉 신호의 지속적인 배경 잡음을 무시하도록 설계되었습니다. 이는 신호의 부피(volume)에서 나타나는 느리고 낮은 주파수의 변화를 관찰함으로써 수행됩니다. 만약 배경 소음이 커지면, 칩은 녹음을 트리거하기 위해 필요한 "임계값(threshold)"을 자동으로 높여 소음에 의해 트리거되지 않도록 합니다. 반대로 소음이 줄어들면, 임계값을 낮추어 더 미세한 디테일까지 포착합니다.

하지만 이 회로는 배경 소음과 실제 이벤트의 차이를 구분할 만큼 똑똑합니다. 만약 뉴런이 활동 전위(action potential)를 쏘아 올리는 것처럼 갑작스럽고 날카로운 스파이크가 발생하면, 회로는 느린 소음의 변화를 무시하고 이 빠른 이벤트를 즉시 포착합니다. 이를 통해 칩은 데이터를 대폭 압축하여, 나머지 부분은 무시하고 오직 "흥미로운" 부분만을 전송할 수 있습니다.

실제로 측정한 것
연구팀은 단순히 컴퓨터 시뮬레이션에 그치지 않고, 물리적인 칩을 직접 제작하여 테스트했습니다.

칩 크기: 3.22 mm × 5.67 mm입니다.
채널: 개별적으로 프로그래밍 가능한 32개의 독립적인 채널을 갖추고 있습니다.
노이즈: 신호 체인(첫 번째 증폭기부터 끝까지)의 노이즈를 측정하였으며, 1.6 kHz 대역폭에서 68.72 𝜇Vrms로 통합됨을 확인했습니다.
결과: 실험에서 연구진은 변화하는 노이즈 레벨이 있는 "계단형" 신호를 칩에 입력했습니다. 칩은 변화하는 노이즈에 맞춰 임계값을 성공적으로 적응시켰으며, 이는 측정값에서도 확인되었습니다. 또한 특정 이벤트(예: 시뮬레이션된 활동 전위)를 약 1.7초 지점에 도입했을 때, 배경 소음이 높은 상태에서도 칩은 이를 안정적으로 기록했습니다.

아직은 아닌 것 (현재 단계)
논문은 이 칩이 프로토타입임을 명시하며 주의를 기울이고 있습니다. 저자들은 노이즈를 더 낮추기 위해 첫 번째 증폭기(LNA)를 더 크게 만들 수도 있었지만, 대신 적응형 회로에 더 많은 공간을 할애하는 선택을 했다고 언급했습니다. 이는 측정된 노이즈 레벨(68.72 𝜇Vrms)이 적응형 개념의 작동을 증명하기 위해 내린 트레이드오프(trade-off)임을 의미합니다. 또한, PFM 부분이 기능적임을 확인하며 테스트되었지만, 이 특정 연구의 핵심이자 "돌파구"는 적응형 델타 변조에 있다는 점을 강조했습니다.

결론
이 칩은 뇌 신호를 사용하여 컴퓨터와 소통하는 새로운 방법을 제시합니다. 센서 스스로 무엇이 중요하고 무엇이 단순한 소음인지 결정하게 함으로써, 데이터 과부하 문제를 해결합니다. 이는 무선 시스템이 불필요한 정적 데이터 기가바이트를 컴퓨터로 보낼 필요 없이, 장기간 동안 뇌의 신호를 들을 수 있게 하는 단계입니다. 저자들은 이러한 적응형 접근 방식이 실제 하드웨어에서 작동함을 성공적으로 입증했으며, 이는 더욱 효율적인 뇌-컴퓨터 인터페이스를 위한 길을 열어주었습니다.

기술 요약: 적응형 델타 및 펄스 주파수 인코딩을 갖춘 32채널 이벤트 기반 생체 신호 아날로그 프런트엔드

문제 정의
기존의 생체 신호 처리 시스템은 아날로그 감각 신호를 스파이킹 신경망(SNN)을 위한 주소 이벤트 표현(AER)으로 변로하기 위해 고정된 임계값을 가진 이벤트 기반 인코딩 회로에 의존하는 경우가 많습니다. 이러한 방식은 저전력, 저지연 처리에 효과적이지만, 실제 환경의 장기 뇌-컴퓨터 인터페이스(BCI) 시나리오에서는 상당한 한계에 직면합니다. 구체적으로, 임계값을 너무 가깝게 설정하면 노이즈로 인해 과도한 이벤트가 생성되는 반면, 노이즈를 피하기 위해 임계값을 너무 멀리 설정하면 신호 인코딩 정확도가 떨어지고 다운스트림 특징 추출 성능이 저하됩니다. 또한, 생체 신호의 노이즈 프로필은 시간이 지남에 따라 변할 수 있으며, 이는 대규모 다채널 어레이나 장기 모니터링에서 정적 임계값을 비이상적으로 만듭니다.

방법론 및 아키텍처
저자들은 180 nm CMOS 공정으로 제작된 32채널 아날로그 프런트엔드(AFE) 주문형 집적 회로(ASIC)를 제시합니다. 이 칩은 AER 프로토콜을 사용하여 뉴로모픽 프로세서와 직접 인터페이스하도록 설계되었습니다. 아키텍처는 각각 신호 컨디셔닝 체인과 듀얼 모드 이벤트 인코딩 블록을 포함하는 32개의 독립적으로 프로그래밍 가능한 채널로 구성됩니다.

신호 컨디셔닝 체인: 각 채널은 다음을 포함합니다:
- 저잡음 증폭기(LNA): 4비트 커패시터 DAC(CDAC)에 의해 제어되는 가변 이득(0–22 dB)을 갖는 전류 미러 연산 트랜스컨덕턴스 증폭기(OTA)를 사용합니다.
- 대역 통과 필터(BPF): 전류 재사용을 통해 노이즈 성능을 개선하기 위해 플립드 전압 팔로워(FVF) 토폴로지를 기반으로 하는 4차 필터입니다. 8비트 CDAC를 통해 조절 가능한 중심 주파수( $\omega_0$ )와 품질 계수( $Q$ )를 특징으로 합니다.
- 프로그래머블 이득 증폭기(PGA): 마찬가지로 4비트 CDAC에 의해 제어되는 추가 이득을 제공합니다.
- 모든 아날로그 파라미터는 온칩 온도 보상 바이어스 생성기를 사용하여 디지털 직렬 주변기기 인터페이스(SPI)를 통해 프로그래밍됩니다.
듀얼 모드 인코딩:
- 펄스 주파수 변조(PFM): 전압 신호를 스파이크 열로 변환하기 위해 적응형 지수 적분 발화(AdExp-IF) 뉴런을 구현합니다.
- 적응형 비동기 델타 변조기(aADM): 이것이 핵심 혁신입니다. 고정된 임계값을 사용하는 클래식 ADM과 달리, aADM은 입력 신호의 엔벨로프(envelope)에 따라 실시간으로 델타 임계값을 동적으로 조정합니다.
  - 적응 메커니즘: 회로는 서브스레숄드 소스 팔로워를 사용하여 신호 엔벨로프를 추출합니다. 이 엔벨로프는 저주파 엔벨로프 변화와 고주파 과도 현상(예: 액션 포텐셜)을 분리하기 위해 매우 다른 시상수(99:1 비율)를 가진 두 개의 차동 쌍 적분기(DPI)에 의해 처리됩니다.
  - 임계값 조정: 승자 독식(WTA) 회로는 DPI 출력을 비교하여 급격한 엔벨로프 변화를 감지합니다. 결과적으로 생성된 전류는 'UP' 및 'DN' 비교기를 위한 기본 임계 전압(7비트 전압 DAC에 의해 생성됨)을 조정합니다. 이를 통해 시스템은 고주파 신호 특징에 대한 민감도를 유지하면서도, 노이즈가 심한 기간 동안 임계값을 높여 노이즈 이벤트를 억제할 수 있습니다.

주요 기여

생체 신호용 aADM의 최초 구현: 본 논문은 생체 신호의 노이즈 레벨에 맞춰 튜닝된, 실시간 임계값 튜닝을 가능하게 하는 적응형 델타 변조기의 첫 번째 ASIC 구현을 제시합니다.
32채널 확장성: 이 칩은 32개의 완전히 병렬이고 구성 가능한 채널을 통합하여 다채널 생체 신호 획득의 확장성 문제를 해결합니다.
센서 레벨 압축: 신호 엔벨로프에 따라 인코딩 임계값을 적응시킴으로써, aADM은 센서 레벨에서 원시 신호 재구성 정확도와 데이터 압축률 사이의 트레이드오프를 제공합니다. 이는 BCI 애플리케이션 내 무선 전송을 위한 데이터 대역폭 요구 사항을 줄여줍니다.
뉴로모픽 호환성: 출력은 AER 프로토콜을 통해 비동기 SNN 프로세서와 네이티브로 호환되어, 엔드 투 엔드 뉴로모픽 신호 처리를 용이하게 합니다.

측정 결과

노이즈 성능: 10 Hz에서 1.6 kHz까지 통합된 입력 참조 노이즈 전력 밀도는 $68.72 \mu V_{rms}$ 로 측정되었습니다. 저자들은 aADM 회로를 위한 면적 할당을 우선시하기 위해 LNA에서 노이즈 레벨이 약간 높아졌다고 언급했으나, 추가적인 최적화가 가능합니다.
적응형 인코딩 검증:
- 시뮬레이션: 회로 시뮬레이션은 aADM이 고주파 이벤트를 보존하면서 변화하는 노이즈 플로어(계단 함수로 시뮬레이션됨)를 성공적으로 추적함을 입증했습니다.
- 실리콘 측정: 제작된 칩에 대한 실험 결과는 적응형 동작을 확인해 주었습니다. 변화하는 노이즈 플로어가 있는 합성 자극이 적용되었을 때, 칩은 이벤트 생성률을 조정했습니다. 결정적으로, 관심 있는 이벤트(액션 포텐셜 시뮬레이션)가 $t=1.7$ s 근처에서 도입되었을 때, 시스템은 이전에 적응된 높은 노이즈 플로어에도 불구하고 이를 안정적으로 인코딩하여 하드웨어 구현을 검증했습니다.

의의
본 논문은 이 연구가 BCI를 위한 온라인 처리에 적합한 적응형 무선 통신의 길을 열었다고 주장합니다. 센서 레벨의 적응형 압축을 통해 장기 모니터링 시 발생하는 데이터 포화 문제를 해결함으로써, 이 ASIC은 다재다능한 컴패니언 프런트엔드 역할을 수행합니다. 이는 저주파 생체 신호와 비동기 SNN 프로세서 간의 직접적인 인터페이스를 허용하며, 고충실도 신호 재구성과 저전력, 저대역폭 전송 제약 사이의 균형을 맞춥니다. 저자들은 이를 엣지에서 스트리밍 데이터를 처리할 수 있는 효율적인 엔드 투 엔드 뉴로모픽 신호 처리 시스템을 향한 단계로 규정합니다.

유사한 논문