一种用于基于事件的神经前端的低功耗存内计算尖峰检测器

随着下一代脑机接口（BMI）系统的传感器尺寸不断缩小，神经前端处大规模的 A/D 转换与模拟多路复用在功耗和数据速率方面给无线与可植入 BMI 带来了挑战。尽管先前的工作已经报道了神经信号的神经形态压缩，但进一步的压缩需要将尖峰检测器集成在芯片上。在本工作中，我们提出了一种高效的基于 HRAM 的尖峰检测器，利用存内计算用于压缩型基于事件的神经前端。我们提出的方法涉及在不重建信号的情况下从事件脉冲中检测尖峰，并使用 10T 混合存内计算位元来实现累加与阈值运算。我们表明，对于神经信号输入，我们的方法确保了 92-99% 的尖峰检测准确率，同时在 65 nm CMOS 工艺下每通道仅消耗 13.8 nW 的功耗。