LogSync: تراشهای که گفتوگوی بخشهای مغز رو میخونه
خلاصهٔ کاملتر
محققهای آزمایشگاه Integrated Neurotechnologies تو EPFL یه system-on-chip کاشتنی به اسم LogSync ساختن. این تراشه فعالیت مغز رو ضبط میکنه و دو نوع biomarker (یعنی نشونهای قابل اندازهگیری از وضعیت مغز) ازش درمیاره: قدرت امواج مغزی و میزان همزمانی سیگنالها بین ناحیههای مختلف. بعد یه الگوریتم یادگیری ماشین با همین دادهها حالت ذهنی و احساسی رو تشخیص میده و اگه حالت خاصی دید، فرمان تحریک صادر میکنه.
چرا این مهمه؟ Deep brain stimulation یا DBS (یعنی فرستادن پالس الکتریکی به بخش خاصی از مغز با یه ایمپلنت) الان برای پارکینسون زیاد استفاده میشه. ولی بیشتر این سیستمها open loop هستن، یعنی با تنظیمات ثابت کار میکنن و به حال لحظهای بیمار واکنش نشون نمیدن. حتی سیستمهای تطبیقی هم معمولاً فقط یه ناحیه رو میخونن. به گفتهٔ Shoaran، بیماریهای روانی بیشتر از اختلال در ارتباط بین ناحیهها میان تا خرابی یه ناحیهٔ تنها.
تیم، LogSync رو روی دادههای ضبطشده از مغز انسان تو آزمایشهای قبلی امتحان کرده. یکی از دیتاستها درگیری ذهنی موقع انجام یه کار فکری بود و یکی دیگه برانگیختگی احساسی موقع دیدن ویدیو. الگوریتم فقط از روی سیگنالهای عصبی این حالتها رو از هم جدا کرده. تو آزمایش روی موشها در University of Minnesota هم ایمپلنت نوسانهای مغز رو دنبال کرده و تو فاز مشخصی از فعالیت مغز فرمان تحریک داده.
سختترین بخش کار، محدودیت شدید برق تو یه ایمپلنت بوده. به گفتهٔ Shoaran، الگوریتم و سختافزار با هم طراحی شدن تا کل پردازش روی یه تراشه انجام بشه و مصرف زیر ۲۰۰ میکرووات بمونه، که کسری از مصرف خیلی از رابطهای عصبی کاشتنیه. یه نوآوری دیگهش استفاده از محاسبات لگاریتمیه که عملیات پیچیدهٔ تحلیل شبکهٔ مغز رو سادهتر میکنه.
این پروژه بخشی از یه گرنت ۶.۶ میلیون فرانکی از NIMH آمریکاست و نتیجهش تو IEEE Journal of Solid-State Circuits چاپ شده. تیم میگه کاربردش فقط روانپزشکی نیست و میتونه به DBS تطبیقی برای اختلالهای حرکتی و رابطهای focused-ultrasound هم برسه. همزمان دارن روی مدلهای self-supervised کار میکنن که مستقیم از دادههای عصبی یاد میگیرن (کارشون تو ICML 2026) و یه spin-off به اسم Infera Neuro هم راه انداختن.
نکات کلیدی:
- LogSync همزمانی سیگنال بین چند ناحیهٔ مغز رو میخونه، نه فقط یه ناحیه
- مصرف برق کل سیستم زیر ۲۰۰ میکرووات و اندازهٔ تراشه حدود ۴ در ۲ میلیمتره
- از محاسبات لگاریتمی برای سادهکردن تحلیل شبکهٔ مغز استفاده میکنه
- روی دادههای مغز انسان حالتهای ذهنی و احساسی رو تشخیص داده و روی موش تحریک زمانبندیشده رو نشون داده
- با گرنت ۶.۶ میلیون فرانکی NIMH و برای افسردگی و اضطراب شدید توسعه داده شده




