浙江大學腦機接口團隊在4月23日發布了其最新研究成果，首次實現了漢字書寫腦機接口，成功利用侵入式腦機接口控制機械臂書寫漢字。這一成果在浙江大學醫學院附屬第二醫院進行了發布，并得到了神經外科主任醫師張建民的介紹。
張建民主任醫師指出，盡管此前已有國外團隊實現了英文字母的書寫，但漢字與英文相比，難度更大。漢字的書寫涉及到偏旁、部首、筆順等復雜因素，甚至筆畫的細微差別都可能導致完全不同的字。因此，對于漢字的成功解碼是腦機接口研究的一個非常關鍵的突破。
為了實現這一目標，浙江大學腦機接口團隊從2022年暑期開始部署相關研究，并在2023年實現了志愿者在線的腦控機械臂書寫系統。他們的研究方法主要基于讓志愿者想象正常的書寫過程，這個書寫過程可以被運動區的神經元活動反映出來。通過對運動區神經信號的解析，團隊可以獲得志愿者所想象的書寫軌跡，并控制機械臂進行書寫。
據悉，參與此次研究的志愿者中，有一位76歲的高位截癱患者張大伯。他通過腦機接口技術，成功實現了用意念控制機械臂書寫漢字。
在技術實現上，浙江大學腦機接口團隊突破了漢字書寫的特殊編碼機制，并發展了漢字書寫軌跡解碼新技術。在離線狀態下，他們對100個常用漢字的分類正確率達到了91.3%，而在語言模型輔助下，正確率可提高至96.2%。
這一研究成果不僅展示了腦機接口技術在漢字書寫方面的應用潛力，也為未來腦機接口技術的發展提供了新的思路和方向。隨著技術的不斷進步，我們有理由期待腦機接口在更多領域發揮更大的作用，為人類的生活帶來更多便利和可能性。
腦機接口技術是一種將人的大腦活動與計算機或其他設備相結合的技術。它通過電極等傳感器監測大腦產生的神經信號，并將這些信號轉化為命令來控制外部設備。腦機接口的工作原理是將腦部神經信號采集并分析轉換成特定的指令，以實現人與計算機之間的直接交互和控制。
腦機接口技術可以分為非侵入性和侵入性兩種方式。非侵入性的方式是通過在頭皮上放置電極來采集腦電圖(EEG)信號，然后使用算法對信號進行處理和解碼。而侵入性的方式則會將電極或芯片植入到大腦中，直接采集神經元活動并轉化成指令。
腦機接口技術具有廣泛的應用場景。在醫療領域，它可用于治療神經系統相關的疾病，如帕金森病、脊髓損傷和腦卒中等，并幫助殘疾人士控制假肢、輪椅等設備，恢復行動能力。在娛樂和游戲方面，腦機接口技術可用于電子游戲和虛擬現實設備，使玩家通過大腦信號控制游戲角色和操作游戲設備，提高游戲體驗。此外，腦機接口技術還可應用于工業和生產、教育和培訓、交通和交通安全等領域，提高生產效率、學習效率和交通安全性。
總之，腦機接口技術是一種前沿的技術領域，具有廣闊的應用前景和潛力。它為人類提供了一種全新的交互方式，有助于改善生活質量和推動社會進步。
據中研普華產業研究院出版的《2022-2027年國內外類腦計算技術發展研究及趨勢預測報告》統計分析顯示：
大腦是人類最重要的器官，理解大腦的結構與功能是21世紀最具挑戰性的前沿科學問題。
近年來，美國、歐盟、日本等國家(地區)紛紛宣布啟動腦科學研究，即“腦計劃”;腦科學研究既對有效診斷和治療腦疾病有重要的臨床意義，還可推動新一代人工智能技術和新型信息產業的發展。
類腦計算是指利用數字電路、模擬電路、數模混合電路或新器件來仿真生物神經元以及神經元間的突觸連接，進而利用超大規模集成電路(Very Large Scale Integrated，VLSI)系統來模仿神經系統中的神經生物學結構。
和現有馮諾伊曼體系結構 計算與存儲分離的特點相對，類腦計算中的神經元結構既有計算能力，也有存儲能力。類腦計算的這種特點從根本上消除了馮諾伊曼體系結構的“存儲墻”問題。通過對類腦計算進行研究，能夠更好地理解腦計算模型，為實現類腦智能提供路徑。
SNN也被稱為第三代神經網絡，是人工智能領域機器學習算法的一種，是計算機科學與生物神經科學交叉而成的新興學科。相比于傳統的ANN，如各種深度學習網絡，SNN實現了更高級的生物神經元模擬水平，更容易模擬人腦低功耗高性能的處理方式，是信息技術向智能化發展的重點研究方向。
與ANN相比，SNN有諸多優良特性，在實現低功耗、高性能的智能系統上潛力巨大。類腦計算研究涉及的領域范圍廣泛，包括材料科學、神經科學、電氣工程、計算機工程和計算機科學等。
材料科學家研究、制造和表征可用于類腦器件的新材料，重點是展示與生物神經系統相似特性的材料。神經科學家提供可能在類腦計算意義上有用的新知識，并利用類腦計算系統來模擬和研究生物神經系統。
電子和計算機工程師利用模擬電路、數字電路、數模混合電路和器件來構造系統，模擬神經系統的運行過程，開發由生物啟發的類腦計算系統。類腦計算系統的研究涉及到類腦處理器微體系結構技術、體系結構技術、類腦處理器配套的軟件工具鏈和基于脈沖神經網絡的算法等研究領域。
在現階段的社會發展過程中計算機科學技術在社會中的應用具有極大的社會現實含義，不僅其在加速社會經濟的道路上起到了積極的作用。計算機技術在發展的同時帶動經濟社會的進步。
由于傳統的計算機科學沒有相關的技術信息支撐，當代的發展方向是積極向前的、相互融合的。不過由于當代社會信息的共享性還有待于提高到新的階段，-些方面的信息受到一定的局限和壟斷性。
伴隨著越來越普遍的計算機科學在全世界范圍內的迅猛發展，信息將可以被方便快捷的進行傳播，有理由相信計算機技術將會帶動社會經濟更好發展，其對經濟的發展將起到積極有效的作用。
許多新興的類腦芯片在SNN計算中顯示出巨大的潛力。 例如浙江大學的達爾文芯片，其目標是嵌入式低功耗應用。蘇黎世大學研究人員開發的DYNAP-SEL結合了異步數字邏輯和模擬電路，以實現模擬SNN實現。 清華大學的研究人員成功設計了混合型天機芯片 ，該混合型既可以實現常規神經網絡又可以實現SNN。
隨著腦科學與類腦行業競爭的不斷加劇，大型企業間并購整合與資本運作日趨頻繁，國內外優秀的腦科學與類腦企業愈來愈重視對行業市場的分析研究，特別是對當前市場環境和客戶需求趨勢變化的深入研究，以期提前占領市場，取得先發優勢。正因為如此，一大批優秀品牌迅速崛起，逐漸成為行業中的翹楚。
未來行業市場發展前景和投資機會在哪?欲了解更多關于行業具體詳情可以點擊查看中研普華產業研究院的報告《2022-2027年國內外類腦計算技術發展研究及趨勢預測報告》。
研究院服務號
中研網訂閱號