Projektbeschreibung
Energiearme tragbare Geräte mit hoher Genauigkeit zur Klassifizierung elektrophysiologischer Signale
Die Auswertung von Elektroenzephalographie- und Elektromyographiedaten in nahezu Echtzeit ist nützlich für die Gesundheitsüberwachung und personalisierte Medizin sowie für die Entwicklung von Gehirn-Computer-Schnittstellen. Die meisten Technologien beruhen auf ineffizienter Mikroelektronik und Cloud Computing, sodass die erforderliche Genauigkeit der Signalklassifizierung fehlt. Bei neuromorphem Rechnen wird die neuronale Signalverarbeitung im Gehirn nachgebildet. Es könnte eine Lösung für die Rechen- und Energieineffizienz der aktuellen Technologien und der begrenzten Klassifizierungsgenauigkeit sein. Über das ERC-finanzierte Projekt NEURO2D soll eine innovative Klasse an neuromorphen Geräten mit 2D „Charge-Trapping-Speichern“ (2D-CTM) entwickelt werden, die auf Reservoir Computing beruhen. Mit der energiearmen 2D-CTM-Technologie mit hoher Klassifizierungsgenauigkeit könnten skalierbare, energiearme implantierbare und tragbare Chips zur Überwachung und Klassifizierung von elektrophysiologischen Signalen in Echtzeit aufkommen.
Ziel
The detection and classification of electrophysiological signals (EPSs), such as
electroencephalography (EEG) and electromyography (EMG) recordings, are the gold standard in
neuroscience, enabling the identification of digital biomarkers capable of health monitoring,
personalised medicine and advanced brain-computer interfaces (BCIs). The state-of-the-art
technology in this field, however, still relies on bulky, inefficient microelectronic systems which
relies on artificial intelligence (AI) in the cloud. The energy efficiency and classification accuracy
can be largely improved by neuromorphic computing with emerging materials and devices capable
of mimicking the neural mechanisms in our brain. This project aims at developing a novel class of
neuromorphic systems based on reservoir computing (RC) in charge trap memory (CTM) based on
2D semiconductors. 2D-CTM devices are able to extracted features from EPSs at extremely low
power and high accuracy of classification, thus providing efficient biomarkers for medical diagnosis
and BCIs. The project will develop the RC system based on the 2D-CTM technology for a broad
application space, with the goal of establishing a novel technology platform for scalable, lowpower implantable/wearable chips for real-time EPS monitoring and classification.
Wissenschaftliches Gebiet (EuroSciVoc)
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht.
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht.
- NaturwissenschaftenBiowissenschaftenNeurobiologie
- NaturwissenschaftenNaturwissenschaftenElektromagnetismus und ElektronikHalbleiterbauelement
Sie müssen sich anmelden oder registrieren, um diese Funktion zu nutzen
Schlüsselbegriffe
Programm/Programme
- HORIZON.1.1 - European Research Council (ERC) Main Programme
Thema/Themen
Finanzierungsplan
HORIZON-ERC-POC - HORIZON ERC Proof of Concept GrantsGastgebende Einrichtung
20133 Milano
Italien