Το άρθρο με τίτλο “A memristor-based adaptive neuromorphic decoder for brain–computer interfaces“ (DOI: 10.1038/s41928-025-01340-2), που δημοσιεύτηκε στο Nature Electronics στις 17 Φεβρουαρίου 2025, παρουσιάζει μια καινοτόμο προσέγγιση για διεπαφές εγκεφάλου-υπολογιστή (BCI). Οι ερευνητές – με σημαντική συμμετοχή ομάδων από το Tsinghua University, το Tianjin University και συνεργαζόμενους φορείς – ανέπτυξαν έναν νευρομορφικό αποκωδικοποιητή βασισμένο σε μια πλακέτα memristor που περιέχει 128.000 κυψέλες.
Βασικά Ευρήματα και Τεχνολογία
- Αποκωδικοποίηση σε ένα βήμα: Η προσέγγιση αυτή χρησιμοποιεί μια υλιστικά αποδοτική στρατηγική αποκωδικοποίησης που καταφέρνει απόδοση συγκρίσιμη με λύσεις λογισμικού, διατηρώντας παράλληλα πολύ χαμηλές ενεργειακές απαιτήσεις.
- Διαδραστικό πλαίσιο προσαρμογής: Ενσωματώνεται ένα σύστημα “διαδραστικής ενημέρωσης” που επιτρέπει στον αποκωδικοποιητή και τα μεταβαλλόμενα εγκεφαλικά σήματα να προσαρμόζονται διαρκώς ο ένας στον άλλο – δηλαδή, να “συνεξελίσσονται” από κοινού.
- Εφαρμογή σε πραγματικό χρόνο: Στα πειράματα, το σύστημα επέτρεψε τον πραγματοχρονικό έλεγχο ενός drone σε τέσσερις βαθμούς ελευθερίας, καταφέρνοντας περίπου 20% υψηλότερη ακρίβεια συγκριτικά με συστήματα που δεν χρησιμοποιούν τον μηχανισμό της συνεξελίξεως.
Σημασία και Προοπτικές
Η προσέγγιση αυτή ανοίγει νέους ορίζοντες για το πεδίο των BCI, καθώς επιτρέπει:
- Τη βελτιστοποίηση της μετάφρασης των εγκεφαλικών σημάτων σε εντολές με πολύ μεγαλύτερη ακρίβεια και ενεργειακή αποδοτικότητα.
- Τη δυνατότητα ανάπτυξης εφαρμογών που απαιτούν υψηλής απόδοσης πραγματοχρονική διαχείριση εντολών, όπως ο έλεγχος ρομπότ ή drone, και ενδεχομένως την αποκατάσταση κινητικών λειτουργιών σε άτομα με νευρολογικές δυσλειτουργίες.
- Μια νέα προσέγγιση στην “συνεξελιξη” μεταξύ της βιολογικής και της μηχανικής νοημοσύνης, όπου το σύστημα μαθαίνει και προσαρμόζεται συνεχώς βάσει της αλληλεπίδρασης με τον χρήστη.
Επιπλέον Αναφορές
Επιπλέον, πρόσφατα δημοσιεύτηκαν ειδήσεις που αναφέρουν πως οι Κινέζοι επιστήμονες ανέπτυξαν το πρώτο BCI που επιτυγχάνει την “συνεξελίξη” (co-evolution) μεταξύ μηχανικής και εγκεφαλικής νοημοσύνης, επιτρέποντας τον έλεγχο ενός drone με τέσσερις βαθμούς ελευθερίας σε πραγματικό χρόνο, επιτυγχάνοντας σημαντική βελτίωση στην απόδοση και ενεργειακή αποδοτικότητα.
