【產通社，3月4日訊】清華大學新聞中心（Tsinghua University News Center）官網消息，腦機接口（BCI）是人腦與外部設備之間建立的直接連接通道，不僅能夠促進人機交互，還可以用于腦科學研究以及神經系統疾病的診療。然而，傳統腦機接口面臨兩大挑戰：人腦是一個復雜的動態系統，腦電信號存在很強的變異性，導致解碼器性能難以長期維持穩定；同時，隨著應用場景擴展，腦電信號采集的通道數急劇增長，解碼算法也變得更加復雜，為腦電高效實時處理帶來巨大挑戰。

針對上述挑戰，清華大學集成電路學院與天津大學腦機海河實驗室合作，提出了基于憶阻器類腦計算芯片的新型腦機接口解決方案。團隊研制了一款128Kb規模的憶阻器芯片作為自適應腦電解碼器，構建了完整的腦機接口系統（包含腦電采集、解碼和執行器），提出了單步解碼策略和交互式更新框架，實現了長期穩定的高效高精度腦電解碼與腦機協同演進。

該憶阻器芯片采用的單步解碼策略，將穩態視覺誘發電位（SSVEP）腦電意圖信號的三步解碼過程（信號濾波預處理、任務相關分量特征提取、模板匹配分類）整合為單一步驟，將計算復雜度降低6.5倍，同時減少了憶阻器非理想特性對計算精度的影響。在四自由度實時腦控無人機飛行任務中，該解碼器達到了與軟件計算相當的解碼準確率（85.17%）。計算評估顯示，憶阻器芯片解碼的能耗比傳統CPU降低了三個數量級，歸一化處理速度提升了兩個數量級。

團隊開發的交互式更新框架，利用誤差相關電位（ErrP）作為大腦對憶阻器解碼結果的反饋信號，在實驗過程中動態累計新樣本用來更新憶阻器解碼器，使其能夠與動態變化的腦信號協同演進、相互適應。在十名被試參與且平均長達六小時的人機交互實驗中，具有協同演進能力的腦機接口比傳統接口的解碼準確率提高了約20%。在該實驗中，大腦和解碼器的貢獻比例呈現動態變化：初期主要依靠解碼器的自適應更新，隨著時間推移，大腦的貢獻逐漸增加，最終達到兩者的動態平衡，完整展示了腦機協同演進的過程。

該研究實現了生物大腦與神經形態憶阻器類腦芯片的首次緊密交互與協同演進，為人機混合智能開辟了新途徑。利用憶阻器的高能效存算一體與電導原位更新的特點，基于類腦芯片的自適應腦電解碼在硬件效率和解碼準確率上均取得了突破性進展，不僅適用于各類腦機接口系統，還可拓展至神經調控、運動康復、虛擬現實等應用領域。

相關研究成果以“基于憶阻器自適應神經形態解碼器的腦機接口”（A memristor-based adaptive neuromorphic decoder for brain-computer interfaces）為題，于2月17日發表于《自然·電子學》（Nature Electronics）。

清華大學集成電路學院唐建石副教授、吳華強教授和天津大學腦機海河實驗室團隊許敏鵬教授、明東教授為論文的共同通訊作者，清華大學集成電路學院博士畢業生劉正午（現為香港大學電機電子工程系研究助理教授）和天津大學博士生梅杰為共同第一作者。合作者包括清華大學集成電路學院錢鶴教授、高濱副教授、姚鵬副研究員，天津大學腦機海河實驗室團隊王坤副教授，香港大學電機電子工程系黃毅副教授，清華大學生物醫學工程學院洪波教授，加州大學圣迭戈分校鐘子平教授等。

研究得到科技部科技創新—2030“腦科學與類腦研究”重大項目、香港研究資助局主題研究計劃、香港大學基礎研究種子基金、天津市腦機交互與人機共融海河實驗室、天津大學先進醫用材料與醫療器械全國重點實驗室、北京集成電路高精尖創新中心、北京信息科學與技術國家研究中心、科學探索獎等的支持。

查詢進一步信息，請訪問官方網站http://www.tsinghua.edu.cn/info/1175/117030.htm，以及https://www.nature.com/articles/s41928-025-01340-2。（Robin Zhang，產通數造）    （完）