适应性起搏器的稳健神经形态耦合振荡器
摘要：神经耦合振荡器在许多模型和应用中是一种有用的构建模块。它们在理论研究中得到了广泛分析，最近也在尖峰神经网络的生物逼真模拟中得到了研究。混合信号模拟/数字神经形态电子电路的出现为在紧凑低功耗尖峰神经网络硬件平台上实现神经耦合振荡器提供了新的手段。然而，在这种噪声、低精度和不均匀计算基底上实现它们会对稳定性和可控性提出新的挑战。在这项工作中，我们提出了一个鲁棒的尖峰神经网络模型来描述神经耦合振荡器，并在混合信号神经形态处理器上进行了验证。我们展示了其鲁棒性，说明如何可靠地控制和调制振荡器的频率和相位偏移，尽管硅突触和神经元属性存在变异性。我们展示了这种超低功耗神经处理系统如何用于构建一个自适应心脏起搏器，根据呼吸周期调节心率，并将其与静息状态下狗的表面心电图和呼吸信号记录进行了比较。我们在神经形态电子硬件上实现的模型显示出了其对高度变化的基底的鲁棒性，并且扩展了在需要节奏输出的应用中的工具箱，比如起搏器。
作者：Renate Krause (1), Joanne J.A. van Bavel (2), Chenxi Wu (1), Marc A. Vos (2), Alain Nogaret (3), and Giacomo Indiveri (1) ((1) Institute of Neuroinformatics, University of Zurich and ETH Zurich, Zurich, Switzerland, (2) Department of Medical Physiology, Division Heart & Lungs, University Medical Center Utrecht, Utrecht, The Netherlands, (3) Department of Physics, University of Bath Claverton Down, Bath, UK)
论文ID：2104.01638
分类：Emerging Technologies
分类简称：cs.ET
提交时间：2021-09-16