洛桑联邦理工学院（EPFL）研究团队开发出一款名为LogSync的低功耗植入式神经芯片，可实时追踪大脑各区域间的通信并识别认知与情绪状态，成果发表于《IEEE固态电路杂志》。深度脑刺激（DBS）通过植入电极向特定脑区输送电脉冲调节神经活动，已广泛用于帕金森病等运动障碍，并逐步拓展至重度抑郁症、创伤后应激障碍等精神疾病治疗。但现有DBS系统多为开环模式，按预设参数刺激，无法随患者脑活动自适应调整；即便是闭环系统，也多依赖单一脑区信号，难以应对精神疾病相关信息分布于多脑区网络的特点。LogSync芯片记录脑活动后，提取描述脑波强度及跨区域信号同步性的生物标志物，再由机器学习算法分析这些网络级标志物，区分认知与情绪状态，并在检测到特定状态时生成刺激触发信号。研究团队通过软硬件协同设计与对数运算，将整机功耗控制在200微瓦以内，远低于多数植入式神经接口系统。研究人员利用既往精神疾病实验的人脑记录验证了算法对认知投入度与情绪唤醒状态的区分能力，并在明尼苏达大学的大鼠实验中实现对脑振荡的追踪与定时刺激触发。该项目获美国国家心理健康研究所660万瑞士法郎资助，团队同期研发直接从神经记录学习的自监督方法，并成立衍生公司Infera Neuro推进临床应用。
事件分析
技术层面，LogSync的核心突破在于把跨脑区同步性提取、状态解码与刺激触发集成到单颗SoC上，软硬件协同设计与对数运算将功耗压至200微瓦量级，直击植入式设备能量受限的痛点，也标志着脑机接口从单点信号采集迈向网络级解码。产业层面，自适应DBS此前主要服务帕金森等运动障碍，精神疾病适应症临床需求迫切但技术门槛更高，网络级生物标志物的实时提取正是关键缺口；低功耗方案若能通过临床验证，将显著降低神经调控设备的落地门槛。后续可关注三点：团队ICML 2026自监督学习工作对预定义标志物依赖的突破、衍生公司Infera Neuro的临床转化进度，以及该架构向无创闭环刺激、聚焦超声接口等场景的扩展能力。
核心观点：脑机接口竞争正从单点信号采集转向网络级解码，软硬件协同的低功耗芯片设计能力成为临床落地的胜负手。
原文链接：Hacker News
