Skip to main content
Aller à la page d’accueil de la Commission européenne (s’ouvre dans une nouvelle fenêtre)
français fr
CORDIS - Résultats de la recherche de l’UE
CORDIS

Neuromorphic computing system for real-time signal monitoring and classification with ultra-low-power 2D devices

Description du projet

Dispositifs portables à faible consommation d’énergie et à haute précision pour la classification des signaux électrophysiologiques

L’analyse en temps quasi réel des enregistrements d’électroencéphalographie et d’électromyographie est précieuse pour la surveillance de la santé et la médecine personnalisée, ainsi que pour le développement d’interfaces cerveau-ordinateur. La plupart des technologies reposent sur une microélectronique inefficace et sur l’informatique en nuage, ce qui ne permet pas d’obtenir la précision souhaitée en matière de classification des signaux. L’informatique neuromorphique imitant le traitement des signaux neuronaux du cerveau pourrait apporter une solution à l’inefficacité des technologies actuelles en matière de calcul et d’énergie et aux limites de la précision de classification qui en résultent. Le projet NEURO2D, financé par le CER, vise à développer une classe innovante de dispositifs neuromorphiques 2D à «mémoire à piège de charge» (CTM pour «charge trap memory») ou 2D-CTM, en s’appuyant sur le calcul par réservoir. La technologie 2D-CTM à faible consommation d’énergie et à haute précision de classification pourrait déboucher sur des puces implantables et portables évolutives et à faible consommation d’énergie pour la surveillance et la classification des signaux électrophysiologiques en temps réel.

Objectif

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.

Champ scientifique (EuroSciVoc)

Mots‑clés

Programme(s)

Thème(s)

Régime de financement

HORIZON-ERC-POC - HORIZON ERC Proof of Concept Grants

Voir tous les projets financés dans le cadre de ce programme de financement

Appel à propositions

(s’ouvre dans une nouvelle fenêtre) ERC-2024-POC

Voir tous les projets financés au titre de cet appel

Institution d’accueil

POLITECNICO DI MILANO
Contribution nette de l'UE
€ 150 000,00
Adresse
PIAZZA LEONARDO DA VINCI 32
20133 Milano
Italie
Région
Nord-Ovest Lombardia Milano
Type d’activité
Higher or Secondary Education Establishments
Liens
Coût total
Aucune donnée

Bénéficiaires (1)