پیش از این درباره رابطهای مغز – رایانه مطالبی را منتشر کرده‌ایم. رابطهای رایانه-مغز دارای پتانسیل توانبخشی به افراد فلج، به کنترل درآوردن بیماری پارکینسون و کمک به کاهش نشانه‌های دیگر شرایط عصبی هستند. اما بهره بردن از آنها چندان هم ساده نیست و پیچیدگیهای زیادی دارد. باید بدانید که ارتباط با مغز همواره یک چالش بوده است. انتقال حجم زیاد دادۀ تولید شده توسط مغز به معنی لزوم وجود سیم‌های بیرون زده از پوست سر است. از سوی دیگر انجام این کار به صورت بی‌سیم نیازمند مصرف توان زیادی است و باتری بزرگ یا شارژ‌های پیاپی را به دنبال دارد. پژوهشگران دانشگاه فناوری Nanyang در سنگاپور به دنبال برطرف کردن این محدودیت هستند و تراشه‌ای برای رابط مغز-ماشین بی‌سیم ساخته‌اند که با پیش‌پردازش و فشرده سازی داده‌های سیگنال مغزی، حجم آنها را برای انتقال بی‌سیم کاهش می‌دهد.
این تراشۀ ۱۲۸ کانالی با نام neural decoder از برتری‌های الگوریتم‌های یادگیری ماشین برای تشخیص الگوها در داده‌ها و فشرده‌سازی سیگنال بهره می‌برد. عملکرد این تراشه به عنوان یک رابط مغز-ماشین بی‌سیم با آزمایش روی یک میمون تأیید شد و دقتی ۹۹٫۳ درصدی در رمزگشایی دقیق سیگنال‌ها از خود نشان داد.
برخی جزئیات از چکیدۀ مقالۀ منتشر شده در مجلۀ Biomedical Circuits & Systems در ادامه آمده است:
یک پردازندۀ کمکی یادگیری ماشین در یک تراشۀ CMOS با ابعاد ۳۵ میکرومتر برای رمزگشایی نیت حرکتی در رابطهای مغز-ماشین در این مقاله ارائه شده است. با بکارگیری الگوریتم یادگیری افراطی (Extreme Learning Machine) و پردازش آنالوگ کم‌مصرف این تراشه به بازده انرژی ۳٫۴۵ pJ/MAC در طبقه‌بندی ۵۰ هرتز دست می‌یابد. یادگیری در مرحله دوم و ضرایب دیجیتالی ذخیره شده مرتبط برای افزایش مقاومت پردازندۀ آنالوگ مرکزی بکار گرفته می‌شود…
این مقاله با عنوان A 128-Channel Extreme Learning Machine-Based Neural Decoder for Brain Machine Interfaces در مجلۀ Biomedical Circuits & Systems منتشر شده است.
منبع: medgadget
