Skip to main content
Vai all'homepage della Commissione europea (si apre in una nuova finestra)
italiano it
CORDIS - Risultati della ricerca dell’UE
CORDIS

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

Descrizione del progetto

Dispositivi indossabili a basso consumo energetico e ad alta precisione per la classificazione dei segnali elettrofisiologici

L’analisi in tempo reale delle registrazioni elettroencefalografiche ed elettromiografiche è preziosa per il monitoraggio della salute e la medicina personalizzata, nonché per lo sviluppo di interfacce cervello-computer. La maggior parte delle tecnologie si basa su una microelettronica inefficiente e sul cloud computing, che non consentono di ottenere l’accuratezza desiderata nella classificazione dei segnali. L’informatica neuromorfica, che imita l’elaborazione dei segnali neurali del cervello, potrebbe fornire una soluzione all’inefficienza computazionale ed energetica delle tecnologie attuali e ai conseguenti limiti nell’accuratezza della classificazione. Il progetto NEURO2D, finanziato dal CER, si propone di sviluppare una classe innovativa di dispositivi neuromorfici 2D «a trappola di carica» (2D-CTM) sfruttando il reservoir computing. La tecnologia 2D-CTM a basso consumo e ad alta precisione di classificazione potrebbe portare a chip impiantabili e indossabili scalabili e a basso consumo per il monitoraggio e la classificazione dei segnali elettrofisiologici in tempo reale.

Obiettivo

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.

Campo scientifico (EuroSciVoc)

Parole chiave

Programma(i)

Argomento(i)

Meccanismo di finanziamento

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

Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento

Invito a presentare proposte

(si apre in una nuova finestra) ERC-2024-POC

Vedi tutti i progetti finanziati nell’ambito del bando

Istituzione ospitante

POLITECNICO DI MILANO
Contributo netto dell'UE
€ 150 000,00
Indirizzo
PIAZZA LEONARDO DA VINCI 32
20133 Milano
Italia
Regione
Nord-Ovest Lombardia Milano
Tipo di attività
Higher or Secondary Education Establishments
Collegamenti
Costo totale
Nessun dato

Beneficiari (1)