인공 신경망을 이용한 에너지 효율적인 장치, 뇌파 해석 가능

현재의 신경망 알고리즘은大量의 처리 능력을 필요로 하기 때문에, 이러한 인공 지능(AI) 시스템은 아직도 인간의 뇌와 비교하여 실시간으로 감각 정보나 환경과 상호 작용하는 능력에서 뒤떨어져 있습니다.

이러한課題를 극복하는 열쇠는 신경 형태의 공학, 즉 인공 지능과 자연 지능을 결합하는 새로운 접근법에 있을 수 있습니다. 취리히 대학교, ETH 취리히, 및 UniversityHospital 취리히의 연구자들은 이 접근법을 사용하여 신경 형태의 기술을 기반으로 하는 칩을 개발하고 있으며, 이 칩은 복잡한 생체 신호를 정확하게 인식할 수 있습니다.

새로운 연구는 Nature Communications에 발표되었습니다.

HFO Detection

연구 팀은 이 기술을 사용하여 이전에 기록된 고주파 진동(HFOs)을 성공적으로 감지했습니다. HFOs는 뇌의 전기 활동을 측정하는 뇌파를 사용하여 측정되며, 뇌의 특정 부위에서 발생하는 간질 발작을 신뢰성 있게 식별하는 데 사용됩니다.

연구 팀은 뇌의 자연적인 신경망, 즉 스파이킹 신경망(SNN)을 시뮬레이션하여 HFO를 감지하는 알고리즘을 설계했습니다. 그런 다음 이 SNN을 매우 에너지 효율적인 하드웨어에 구현했습니다.

이러한 효율성으로 인해 인터넷이나 클라우드 컴퓨팅에 의존하지 않고도 매우 높은 시간 분해능으로 계산을 수행할 수 있습니다.

Giacomo Indiveri는 취리히 대학교와 ETH 취리히의 신경 정보학 연구소의 교수입니다.

“我们的 설계는 생체 신호에서 시공간 패턴을 실시간으로 인식할 수 있습니다.” Indiveri는 말합니다.

실제 활용

연구자들은 새로운 발견을 사용하여 HFO를 신뢰성 있게 인식하고 모니터링할 수 있는 전자 시스템을 개발하려고 합니다. 연구 팀에 따르면, 이 도구가 수술실에서 추가적인 진단 도구로 사용된다면 신경외과적 개입의 결과를 개선할 수 있을 것입니다.

HFO 인식은 다른 분야에도 영향을 미칠 수 있으며, 연구 팀의 장기적인 목표는 간질을 모니터링할 수 있는 장치를 개발하는 것입니다. 이러한 장치는 병원 밖에서 사용할 수 있으며, 수주 또는 수개월 동안 여러 개의 전극에서 신호를 분석할 수 있습니다.

“저에너지 무선 데이터 통신을 설계에 통합하고자 합니다. 예를 들어, 휴대폰에 연결할 수 있습니다.” Indiveri는 말합니다.

Johannes Sarnthein은 UniversityHospital 취리히의 신경 생리학자입니다.

“이러한 칩은 발작의 빈도가 높은 또는 낮은 기간을 식별할 수 있으며, 이는 개인화된 의학을 제공할 수 있습니다.” Sarnthein은 말합니다.

간질에 대한 연구는 취리히 간질 센터와 취리히 간질 수술 센터에서 진행되고 있으며, 이는 UniversityHospital 취리히, 스위스 간질 클리닉, 및 취리히 어린이병원 간의 파트너십의 일부입니다.