به گزارش ایسنا و به نقل از تی ان، این تراشه از داده‌های ثبت شده حاصل از امواج مغزی بیماران مبتلا به صرع برای شناسایی مناطقی از مغز که باعث حملات صرعی می‌شود، استفاده می‌کند.

الگوریتم‌های شبکه عصبی فعلی نتایج چشمگیری ایجاد می‌کنند که به حل تعداد زیادی از مشکلات کمک می‌کند. با این حال دستگاه‌های الکترونیکی مورد استفاده برای اجرای این الگوریتم‌ها به پردازش زیادی نیاز دارند. این سیستم‌های هوش مصنوعی در هنگام پردازش اطلاعات حسی یا تعاملات با محیط در زمان حال، به راحتی نمی‌توانند با مغز واقعی رقابت کنند.

اما مهندسی نورومورفیک یک رویکرد نویدبخش است که کاستی‌های ارتباط بین هوش مصنوعی و طبیعی را پر می‌کند. محققان دانشگاه زوریخ از این رویکرد برای توسعه تراشه‌ای مبتنی بر فناوری نورومورفیک استفاده کرده‌اند که با اطمینان و دقت علامت‌های زیستی پیچیده را تشخیص می دهد. دانشمندان توانستند با استفاده از این فناوری نوسانات فرکانس بالا(HFO) را اندازه‌ گیری کنند. این امواج خاص با روش ایکاگ(iEEG) اندازه‌گیری شده‌اند.

محققان ابتدا الگوریتمی را طراحی کردند که با شبیه‌سازی شبکه عصبی طبیعی مغز، نوسانات فرکانس بالا یک شبکه عصبی کوچک موسوم به شبکه عصبی اسپایکی(SNN) را تشخیص می‌دهد. مرحله دوم شامل اجرای شبکه عصبی اسپایکی در یک سخت افزار به اندازه ناخن است که سیگنال‌های عصبی را با استفاده از الکترودها دریافت می‌کند و برخلاف رایانه‌های معمولی، بسیار کم مصرف است. این باعث می‌شود محاسبات با وضوح زمانی بسیار بالا، بدون اتکا به اینترنت یا رایانش ابری انجام شود.

"جیاکومو ایندیوری"(Giacomo Indiveri) محقق این مطالعه گفت: این فناوری به ما این امکان را می‌دهد تا الگوهای پراکندگی سیگنال‌های بیولوژیکی را در زمان حال تشخیص دهیم.

هدف طولانی مدت محققان تولید دستگاهی برای نظارت بر صرع است که می‌تواند در خارج از بیمارستان نیز مورد استفاده قرار گیرد و علاوه بر آن تجزیه و تحلیل سیگنال‌های تعداد زیادی الکترود را طی چند هفته یا چند ماه امکان‌پذیر می‌کند.

انتهای پیام