[论文解读] Memristive integrative sensors for neuronal activity

Isha Gupta, Alexander Serb+4 more|arXiv (Cornell University)|Jul 24, 2015

Advanced Memory and Neural Computing参考文献 32被引用 7

一句话总结

本文提出了一种基于忆阻器的集成传感器，利用TiOx忆阻器的固有电压阈值，实现实时检测神经元动作电位事件，实现节点本地化、低功耗的神经数据处理。该系统可同时转换并非易失性地存储动作电位幅度信息，实现显著的数据压缩，并在计算开销极小的情况下优于传统的特征空间阈值法。

ABSTRACT

The advent of advanced neuronal interfaces offers great promise for linking brain functions to electronics. A major bottleneck in achieving this is real-time processing of big data that imposes excessive requirements on bandwidth, energy and computation capacity; limiting the overall number of bio-electronic links. Here, we present a novel monitoring system concept that exploits the intrinsic properties of memristors for processing neural information in real time. We demonstrate that the inherent voltage thresholds of solid-state TiOx memristors can be useful for discriminating significant neural activity, i.e. spiking events, from noise. When compared with a multi-dimensional, principal component feature space threshold detector, our system is capable of recording the majority of significant events, without resorting to computationally heavy off-line processing. We also show a memristive integrating sensing array that discriminates neuronal activity recorded in-vitro. We prove that information on spiking event amplitude is simultaneously transduced and stored as non-volatile resistive state transitions, allowing for more efficient data compression, demonstrating the memristors' potential for building scalable, yet energy efficient on-node processors for big data.

研究动机与目标

• 解决脑机接口实时神经数据处理中的带宽、能耗和计算瓶颈问题。
• 开发一种可扩展、低功耗的神经监测系统，减少对离线处理的依赖。
• 利用忆阻器固有的非线性动力学特性，实现在现场对显著神经活动的检测与存储。
• 证明忆阻器能够以非易失方式同时感知、处理和存储神经脉冲信息。
• 将系统性能与传统多维特征空间阈值法进行验证对比。

提出的方法

• 利用具有固有电压阈值的固态TiOx忆阻器，直接从原始信号中检测显著的神经元放电事件。
• 实现忆阻器集成传感阵列，将脉冲幅度转换为非易失性电阻态变化。
• 设计一种实时检测机制，通过依赖忆阻器的阈值行为，避免计算密集型的特征提取。
• 采用主成分分析（PCA）基特征空间阈值法作为性能对比的基准。
• 通过记录的神经元活动对传感器阵列进行体内验证，评估检测准确性和数据压缩效率。
• 在单一忆阻器器件中集成传感与存储功能，实现节点本地处理，减少数据传输需求。

实验结果

研究问题

• RQ1 具有固有电压阈值的忆阻器是否能可靠检测神经元动作电位，而无需外部特征提取？
• RQ2 忆阻器件在通过非易失性电阻态存储脉冲幅度信息方面，能在多大程度上实现神经数据压缩？
• RQ3 忆阻器传感器在检测显著神经事件方面的性能与传统PCA基阈值法相比如何？
• RQ4 所提出的系统是否能实现实时、节点本地化处理神经数据，且功耗和计算开销极低？
• RQ5 忆阻器传感阵列是否能够在实现数据压缩的同时，保留有意义的脉冲幅度信息？

主要发现

• 忆阻器传感器在无需计算密集型离线处理的情况下，成功检测了大部分显著的神经元放电事件。
• 该系统通过在忆阻器中以非易失性电阻态变化形式存储脉冲幅度信息，实现了有效的数据压缩。
• TiOx忆阻器的固有电压阈值使系统能够直接区分神经脉冲与背景噪声，降低了误报率。
• 忆阻器系统的性能与多维PCA基阈值检测器相当，但计算成本显著更低。
• 体内实验阵列成功实现了神经活动数据的转换与存储，证实了节点本地处理与存储的可行性。
• 结果表明，忆阻器可作为未来大规模神经接口中可扩展、低功耗的关键组件。