在神经形态硬件上使用类脑计算原理的学习逆动力学 背景与研究动机 在现代机器人领域中，实现自主人工代理的低延迟神经形态处理系统具有巨大潜力。但目前硬件基础的可变性和低精度对其稳定和可靠性能的实现提出了严峻挑战。为了应对这些挑战，研究者们采用基于大脑启发的计算原理（computational primitives），如三元峰时间依赖可塑性（triplet spike-timing dependent plasticity）、基于基底神经节的去抑制机制以及合作竞争网络，并将这些技术应用于运动控制。 本研究通过展示一个使用混合信号神经形态处理器实现的硬件脉冲神经网络（spiking neural network，SNN）在线学习两关节机器人臂的逆运动学的示例，证明了这一方法的可行性。最终系统能够使用...

详解小规模磁振荡定位新方法及其在机器人技术中的应用 研究背景及动机 微型机器人在医学领域显示出了巨大的潜力，特别是在微创手术、靶向药物递送和体内传感等方面。近期，通过无线动力和驱动纳米至毫米规模机器人在生物环境中取得了显著进展。然而，这些微型机器人的实时定位，特别是在深层生物组织内的定位，仍然是一个亟待解决的技术难题。传统的医学成像技术，如磁共振成像（MRI）、计算机断层扫描（CT）和正电子发射断层扫描（PET），虽然在空间分辨率上具有优势，但由于刷新率低或放射性问题，不适合持续跟踪移动机器人。此外，现有的静态磁性定位方法，在某些场景中最高可以实现五自由度（DOF）的定位，但由于磁轴周围的旋转对称性而无法实现完整的六自由度定位。因此，开发一种能够在深层生物组织内实现微米级精度、六自由度的实时...

半导体-压电异质结构中巨大的电子介导声子非线性 现代科学技术中，信息处理的效率和确定性是决定其应用潜力的关键。光学频率上的非线性光子相互作用已经在经典和量子信息处理上展示了巨大的突破。而在射频范围内，非线性声子相互作用也同样有潜力带来革命性变化。本文通过异质集成高迁移率半导体材料，展示了一种能够有效增强确定性非线性声子相互作用的方法。 研究背景 作者开展这项研究的原因在于目前非线性声子相互作用的材料非常有限，不能通过材料本质上的声子非线性实现高效率的频率转换。尽管一些材料（例如铌酸锂）已经展示了一些电-声效应和非线性压电效应，实现了三波和四波混频过程，但仍未达到高效的频率转换。因此，该研究旨在通过半导体材料的引入，增强声子-电子混合效应，提升非线性声子相互作用的强度和效率。 研究来源和作者背...

一种可视化脑表面神经元活动的脑电图微显示器 背景介绍 当前脑外科手术的功能性映射主要依赖于神经外科医生与电生理学家之间的语言交流。这些过程耗时且存在有限的分辨率。此外，用于测量脑活动的电极网格分辨率较低，且难以与脑表面充分贴合。为了更有效地在手术过程中实时监测和显示脑表面神经元活动，本研究提出并开发了一种具有2048个氮化镓（GaN）发光二极管（LED）的脑内电生理学微型显示屏（iEEG microdisplay）。 研究概览 本文由Youngbin Tchoe等人所写，分别隶属于加利福尼亚大学圣地亚哥分校的电子与计算机工程系、生物医学工程系、麻醉学系、神经外科系以及其他科室。该论文发表于2024年4月24日的《Science Translational Medicine》。 研究工作流程 ...