Analog Neuromorphic Systems for Implantable Neural Interfaces

人类大脑是一个由数十亿个细胞组成的庞大网络，不断发出电信号以协调运动、思维和感觉。几十年来，科学家们一直试图倾听这些“对话”，利用植入大脑的微型电极来记录单个神经元或一小群神经元的活动。这项技术具有巨大的潜力，可以帮助因受伤或疾病导致瘫痪的人通过思维控制计算机或机器人肢体，或者帮助医生定位癫痫发作的源头，从而更有效地进行治疗。然而，一个显著的物理障碍长期以来阻碍了这些设备在日常生活中的应用。随着研究人员增加电极数量以捕捉更清晰的大脑活动图像，产生的数据量呈爆炸式增长。从体内无线传输这种海量的原始信息需要消耗大量的功率，否则会迅速使周围组织过热，或在短短几小时内耗尽电池。因此，挑战不仅在于如何“倾听”大脑，更在于如何“智能地倾听”——过滤掉沉默，只发送重要的时刻。

来自包括香港城市大学和苏黎世大学在内的全球研究机构的一个团队开发了一种新方法来解决这个问题，其灵感源于生物大脑处理信息的方式。该系统不再像录制电影每一帧画面的摄像机那样持续记录大脑的电活动，而是更像一个仅在有变化时才触发的运动传感器。他们创建了一个直接位于传感器上的专用电子电路，将大脑的原始电波转换为一系列稀疏的数字“脉冲（spikes）”，且仅在发生重大事件时才进行转换。这种被称为“模拟到脉冲转换（analog-to-spike conversion）”的方法大幅减少了需要无线传输的数据量，解决了困扰前几代脑植入物的功耗和发热问题。

研究人员首先对比了两种现有的此类信号转换方法，以观察哪一种对必然干扰大脑记录的电噪声更具鲁棒性（robustness）。第一种方法称为“漏积分发放（leaky integrate-and-fire）”，其原理是缓慢积累电荷，直到达到极限并发出信号。另一种方法称为“增量调制（delta modulation）”，仅当电压发生特定变化（表明大脑活动发生偏移）时才发出信号。通过使用模拟大脑信号和患者真实记录进行的广泛测试，团队发现增量调制方法表现优异得多。即使在被缓慢漂移的背景噪声或来自电源线的强电干扰所掩盖的情况下，它也能准确捕捉单个神经元快速、转瞬即逝的脉冲。相比之下，另一种方法经常被噪声淹没，发出过多无用的信号，从而掩盖了实际的大脑活动。这一发现至关重要，因为它证明了一个单一且简单的电路就可以同时处理单个神经元的快速信号和较慢、较宽的脑波，而无需为每种信号配备单独且笨重的滤波器。

在取得这一成功的基础上，研究团队引入了一个更先进、更复杂的增量调制电路，其灵感源自海马体（大脑中负责记忆的部分）中的一种特定神经元。这些天然神经元并不会以稳定、有节奏的流形式放电；相反，当检测到强刺激时，它们会进行爆发式放电，随后进入一段沉默期。研究人员设计了他们的电子电路，使其表现得与之相同。当大脑信号处于安静或缓慢变化状态时，电路保持休眠；但一旦显著事件跨越了高阈值，电路就会切换到“爆发模式（burst mode）”，通过发射一系列快速信号来高精度地捕捉该事件的细节，随后恢复沉默。这种爆发行为使得系统能够比标准方法实现更高程度的数据压缩。在测试中，这种新型爆发调制电路实现的压缩率比标准方法高出五倍以上，同时保持了相同的准确度。对于在大量正常大脑活动中出现的罕见事件——如癫痫发作，该系统实现的数据压缩率比传统记录方法高出近 2,000 倍。

为了证明这些压缩后的数据在现实任务中仍然有用，研究人员将他们的定制芯片连接到第二个专门用于即时处理这些脉冲的计算机芯片上。这个第二芯片模仿了生物大脑的架构，经过训练可以识别特定的脉冲序列模式，例如单个神经元放电或癫痫发作的特征。结果令人瞩目：该组合系统识别这些事件的准确率超过 90%，达到了运行在标准计算机上的更大、更耗能的软件系统的性能水平。此外，由于系统仅传输核心信息，它将数据速率降低到了传统记录设备的 4,000 倍以上。这种效率水平意味着，未来的植入物可能在无需频繁充电或面临脑组织过热风险的情况下，同时监测数百甚至上千个大脑通道。

这项工作代表了向实现高密度、无线脑机接口迈出的重要一步。通过将系统的智能直接移入传感器内部，研究人员证明了打破“植入物可携带传感器数量”与“运行所需功率”之间权衡关系的途径。这些电路足够小，可以集成到现代神经探针的微小像素中，且功耗极低，每个通道仅消耗几微瓦。虽然目前的研究侧重于检测癫痫发作和单个神经元脉冲等特定任务，但其底层原理为设计能够适应大脑自然节律的智能医疗设备提供了新路径。这些系统不再强迫大脑复杂的、稀疏的语言进入一种僵化、连续的数据流，而是学会了用大脑已有的语言进行倾听，过滤掉噪声，仅传输真正重要的信号。