EPFL 研发 LogSync 神经芯片，可解码脑区间的交互

EPFL 研究人员开发出一种可植入神经芯片，能够追踪大脑各区域间的通信，实时识别认知和情绪状态。

脑深部刺激（DBS）是一种治疗技术，通过植入物向大脑特定区域发送电脉冲以调节神经活动。它已被广泛用于帕金森病等运动障碍，研究人员也日益探索其在重度抑郁症、创伤后应激障碍和强迫症等严重精神疾病中的潜力。

然而，大多数现有 DBS 系统以工程师所称的“开环”方式运行：刺激按照预设参数施加，而非持续适应患者的大脑活动。即使在闭环或自适应系统中，许多也依赖从单一脑区记录的信号。这对精神疾病而言是一大局限，因为临床相关信息可能分布在相互作用的脑区网络中。

“我们的工作基于越来越多的研究，这些研究表明精神疾病更多源于脑区之间通信的紊乱，而非任何单一脑区的功能障碍，”EPFL 工程学院和 Neuro-X 研究所集成神经技术实验室负责人 Mahsa Shoaran 解释道。

Shoaran 和她的团队开发了一种低功耗可植入神经片上系统，名为 LogSync。它记录大脑活动并提取生物标志物，用以描述脑波（振荡）的强度以及不同脑区信号之间的同步性。随后，机器学习算法分析这些网络层面的生物标志物，以区分认知和情绪状态，并在检测到特定状态时生成刺激触发信号。

该研究发表在IEEE Journal of Solid-State Circuits，是美国国家心理健康研究所（NIMH）一项660 万瑞士法郎资助的一部分，旨在开发能够测量和控制振荡脑网络的可植入系统，用于严重精神疾病，尤其是情绪和焦虑障碍。它建立在实验室此前关于脑到文本解码和闭环神经调控的工作基础上，将这些概念扩展到网络层面的生物标志物和面向未来精神疾病疗法的自适应解码。

更低功耗下更精准的刺激

研究人员利用此前精神疾病实验的人脑记录评估了 LogSync。一个数据集捕捉了执行脑力任务时认知投入的变化，另一个数据集捕捉了参与者观看视频片段时的情绪唤醒。该算法仅凭神经记录就能区分这些认知和情绪状态。在明尼苏达大学开展的进一步大鼠实验中，该植入物追踪持续的振荡，并在大脑活动的预定义相位生成刺激触发信号。

Shoaran 表示，主要挑战在于要在可植入系统极为有限的功耗预算内实现所有这些功能。

她表示：“我们的整个系统是协同设计的，也就是说，算法和硬件是在考虑植入体约束的前提下共同开发的。这种方法帮助我们在单芯片上实现了网络级神经信号处理与解码，同时将功耗保持在200微瓦以下——这只是许多植入式神经接口系统通常所需功耗的一小部分。”另一项创新是LogSync对对数计算的使用，这简化了脑网络分析和实时生物标志物提取与解码所需的复杂运算。

LogSync的初步验证聚焦于精神疾病应用。但提取脑网络生物标志物以触发精确计时刺激的能力广泛适用于下一代神经技术，包括针对运动障碍的自适应DBS、闭环非侵入性刺激以及新兴的聚焦超声接口。

与此同时，该实验室正在开发新的机器学习方法，这些方法直接从神经记录中学习，而非依赖预定义的生物标志物。他们近期在ICML 2026上的工作利用自监督学习捕捉跨区域、通道和时间的神经活动，支持将智能神经接口推向临床应用的更广泛努力，包括通过由Shoaran联合创立的EPFL衍生公司Infera Neuro。

资助

美国国家心理健康研究所 

瑞士联邦教育、研究和创新秘书处（SERI）资助的ERC启动基金

参考文献

D. Alex等，“LogSync：用于跨区域同步提取和自适应精神状态分类的低功耗对数SoC”，IEEE固态电路杂志（JSSC），2026年9月，doi：10.1109/JSSC.2026.3728617。

J. Liu和M. Shoaran，“RECTOR：用于情感和认知表征学习的掩码区域-通道-时间建模”，国际机器学习会议（ICML），2026年 https://proceedings.mlr.press/v306/liu26dt.html

D. Alex等，“用于脑网络连接提取和自适应精神症状分类的32通道196微瓦对数SoC”，2025年VLSI技术与电路研讨会（VLSI Technology and Circuits），日本京都，2025年，第1-3页，doi：10.23919/VLSITechnologyandCir65189.2025.11075022。