香港文匯報訊（記者 莫楠）腦機接口（BCIs）是一種技術系統，可用於從輔助科技到神經康復等多個領域。香港大學的研究團隊與清華大學和天津大學合作，研發出一款自動適應腦信號解碼器的128K單元憶阻器晶片，透過硬體高效的單步憶阻器解碼策略，在保持高精度解碼性能的情況下，顯著地降低計算複雜度，並可與不斷變化的腦信號同步進化，在基於憶阻器的腦機接口研究領域取得重大突破。相關研究成果已於國際學術期刊《自然·電子學》發表。

腦機接口技術能夠在大腦與計算機或其他外部設備之間建立直接通訊通道，使個體無需依賴傳統的肌肉運動或神經系統，僅憑大腦活動即可操控外部設備或應用程式。但傳統的計算架構難以在大腦信號持續演變下長期維持穩定，並滿足實時處理的需求。

框架解碼準確率提高20%

為應對有關挑戰，港大電機電子工程系教授黃毅和研究助理教授劉正午，與清華大學和天津大學團隊合作，研發了高效能自適應神經形態解碼系統，在四自由度無人機飛行控制任務的實際測試中，達到了85.17%的解碼準確率，而相關能源消耗亦比傳統CPU系統降低1,643倍，歸一化速度更提高了216倍。

同時，研究人員開發了一種交互式更新框架，能使憶阻器解碼器和腦信號自然地相互適應與協同演進，並在一項為時6小時、包含10名參與者的實驗中，得到了驗證。實驗結果顯示，與缺乏協同演進能力的系統相比，該框架解碼準確率提高了約20%。

劉正午表示，團隊共同開發的單步解碼方法明顯地降低了計算複雜度和硬體成本，使技術可更廣泛地應用於各領域。黃毅則強調，該新設計的交互式更新框架，實現了憶阻器解碼器與腦信號的協同演進，解決了傳統腦機接口長期維持穩定的難題。這種共同演化機制令系統能夠適應腦信號隨時間的自然變化，大大提高長期使用時的解碼穩定性和準確度。

研究團隊已和港大醫學院及瑪麗醫院展開合作，聯合開發用於癲癇數據分析的多模態大型語言模型，將團隊在腦信號處理方面的工作擴展到癲癇診斷及治療的領域，透過結合先進算法和神經形態計算等方面的專業知識及臨床數據，開發出更準確和高效率的模型來幫助病人，為醫療應用、康復技術以及人機交互開闢了新的可能性。