Neuron Engineering Lab 神經工程實驗室 指導教授 : 陳新 Lab: 教育館 111 members: 盧峙丞、張聖任、陳永展、林家賢、黃正達 李奇樵、徐御書、張晉祥、簡辰翰、林士傑實驗室網址 :http://well.ee.nthu.edu.tw/~hchen/public_html/index.html

Nonvolatile Analog Memory:為了儲存機率型晶片系統的最佳參數值，我們研發非揮發式類比記憶體，以省電且省面積的方式將系統參數長久儲存。

(a) (b)

(a): 非揮發性類比記憶體電路 (b): SPICE simulation, 針對 Iref=1u~10u

做模擬 , Iout 皆會等於 Iref, 顯示記憶體可將不同類比值儲存起來。

Lateral Bipolar( LBJT):目前雖有 BiCMOS 製程，但其製程步驟複雜，因此一般混合訊號積體電路以應用標準 CMOS 製程中寄生的BJT 為主，來降低成本。且 LBJT 相對於 MOS 具有 noise 較低以及 trans

con-ductance 較高的特性，故我們亦使

用LBJT 當作神經細胞的感測器。

(c) (d)(c): LBJT 元件佈局圖(d): measurement: 元件量得之 IC,IB,IE,ISUB v.s. VEB 特性曲線顯示其效率高達 0.85

Continuous Restricted Boltzmann Machine (CRBM) :CRBM 是一種機率型的類神經網路 , 利用機率行為容忍訊號的雜訊，達成可靠地辨識，適用於生醫信號之檢測，我們的目標是發展可程式化且模組化的 CRBM 晶片，以應用於植入式生醫檢測晶片系統。

(a) CRBM 晶片雛型 (b) CRBM 模型架構圖

(c) 正常心跳重建 (d) 異常心跳重建 顯示出 CRBM 可以學習辨識正常心跳 和異常心跳

(e) 未來目標 :

可程式化模組化 CRBM 晶片架構圖Diffusion Network (DN):許多生醫訊號是隨時間改變且具有雜訊，而 DN 為另一種機率模型能夠容忍雜訊並學習動態訊號，以學習辨識心電圖為例，單一運算元的動態變化即對應心跳訊號，比 CRBM 所需運算元少很多，所以我們研究 DN 適合的生醫應用及實現成晶片系統的可能性。

Probabilistic Neural VLSI Systems

本實驗室另一主要目標為研發神經細胞與矽晶片的介面，由於神經電生理訊號非常微弱，我們以 CMOS-MEMS

技術為主，研發整合感測器、放大器與刺激電極的矽神經界面。感測器的設計主要以良好的介面、低雜訊以及高放大倍率為主要考量。

(a)

“ 神經氧半電晶體” 感測器以感測細胞 電生理訊號

(b) 細胞訊號感測電路，包含感測器、 電流放大電路、 電壓電流轉換器

(c) 矽神經界面晶片雛型包含 24 個感 測器電路及 16 個刺激電極 。

Neuron-Engineering Elements

簡介 : 生物神經系統的一些運算能力 (如影像辨識 , 運動控制等）仍為目前科技（電腦）所不及， 神經工程實驗室的主要研究領域在於發展仿生物神經系統的理論模型，將理論模型實現成 積體電路，並研發積體電路與神經細胞的介面。

Neuron-silicon interface

(f) 正常心跳重建圖 (g) 異常心跳重建圖 顯示 DN 可學習正常心跳和異常心跳的訊號分布

m1

m2 m3

m4

m5

m6 m7

m8

mfg1mfg2

minj

m9

m10

Iref

Vg

Vd

Vfg

5v

Rload

GND

mi1

mi2

mi3

mi4

Vinj

Storage node

Vx

Vi

hj

wij