Opis projektu
Niskoenergetyczne urządzenia ubieralne o wysokiej dokładności do klasyfikacji sygnałów elektrofizjologicznych
Analiza zapisów elektroencefalografii i elektromiografii w czasie zbliżonym do rzeczywistego to cenna możliwość użyteczna w monitorowaniu zdrowia i medycynie spersonalizowanej, a także w rozwoju interfejsów mózg-komputer. Większość technologii opiera się na nieefektywnej mikroelektronice i przetwarzaniu w chmurze, nie zapewnia przy tym pożądanej dokładności klasyfikacji sygnału. Obliczenia neuromorficzne naśladujące przetwarzanie sygnałów neuronowych w mózgu mogą stanowić rozwiązanie dla nieefektywności obliczeniowej i energetycznej obecnych technologii oraz wynikających z nich ograniczeń dokładności klasyfikacji. Finansowany przez ERBN projekt NEURO2D ma na celu opracowanie innowacyjnej klasy neuromorficznych urządzeń 2D z „pamięcią pułapki ładunkowej” (2D-CTM), wykorzystujących obliczenia rezerwuarowe. Technologia 2D-CTM o niskim poborze mocy i wysokiej dokładności klasyfikacji może prowadzić do skalowalnych, energooszczędnych wszczepialnych i ubieralnych chipów do monitorowania i klasyfikacji sygnałów elektrofizjologicznych w czasie rzeczywistym.
Cel
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.
Dziedzina nauki (EuroSciVoc)
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego.
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego.
- nauki przyrodniczenauki biologiczneneurobiologia
- nauki przyrodniczenauki fizyczneelektromagnetyzm i elektronikaurządzenie półprzewodnikowe
Aby użyć tej funkcji, musisz się zalogować lub zarejestrować
Słowa kluczowe
Program(-y)
- HORIZON.1.1 - European Research Council (ERC) Main Programme
System finansowania
HORIZON-ERC-POC - HORIZON ERC Proof of Concept GrantsInstytucja przyjmująca
20133 Milano
Włochy