"NeuralTree ได้รับประโยชน์จากความแม่นยำของโครงข่ายประสาทเทียมและประสิทธิภาพของฮาร์ดแวร์ของอัลกอริทึมแผนผังการตัดสินใจ" Shoaran กล่าว "นี่เป็นครั้งแรกที่เราสามารถผสานรวมส่วนต่อประสานประสาทที่ซับซ้อนแต่ประหยัดพลังงานสำหรับงานจำแนกประเภทไบนารี เช่น การตรวจจับการชักหรือการสั่น รวมถึงงานหลายระดับ เช่น การจำแนกการเคลื่อนไหวของนิ้วสำหรับการใช้งานประสาทเทียม " ผลลัพธ์ของพวกเขาถูกนำเสนอในการประชุม IEEE International Solid-State Circuits ประจำปี 2565 และตีพิมพ์ในIEEE Journal of Solid-State Circuitsซึ่งเป็นวารสารสำคัญของชุมชนวงจรรวม ประสิทธิภาพ ความสามารถในการปรับขนาด และความอเนกประสงค์ NeuralTree ทำงานโดยการแยกตัวบ่งชี้ทางชีวภาพของระบบประสาท - รูปแบบของสัญญาณไฟฟ้าที่ทราบว่าเกี่ยวข้องกับความผิดปกติทางระบบประสาทบางอย่าง - จากคลื่นสมอง จากนั้นจะจัดประเภทสัญญาณและบ่งชี้ว่าสัญญาณเหล่านั้นบ่งบอกถึงอาการลมชักที่กำลังจะเกิดขึ้นหรืออาการสั่นของพาร์กินสัน เป็นต้น หากตรวจพบอาการ เครื่องกระตุ้นประสาทซึ่งอยู่บนชิปจะทำงานด้วย โดยจะส่งคลื่นไฟฟ้าไปปิดกั้น Shoaran สมอง อธิบายว่าการออกแบบที่เป็นเอกลักษณ์ของ NeuralTree ช่วยให้ระบบมีประสิทธิภาพและความสามารถรอบด้านอย่างที่ไม่เคยมีมาก่อนเมื่อเทียบกับระบบที่ล้ำสมัย ชิปมีช่องอินพุต 256 ช่อง เทียบกับ 32 ช่องสำหรับอุปกรณ์ที่ฝังการเรียนรู้ด้วยเครื่องรุ่นก่อน ทำให้สามารถประมวลผลข้อมูลความละเอียดสูงได้มากขึ้นบนฝัง การออกแบบที่ประหยัดพื้นที่ของชิปหมายความว่าชิปมีขนาดเล็กมาก (3.48 มม. 2 ) ทำให้มีศักยภาพที่ดีในการปรับขนาดช่องสัญญาณได้มากขึ้น การผสานรวมอัลกอริธึมการเรียนรู้ที่ \"คำนึงถึงพลังงาน\" ซึ่งจะลงโทษฟีเจอร์ที่ใช้พลังงานมาก ทำให้ NeuralTree ประหยัดพลังงานได้อย่างมาก นอกจากข้อได้เปรียบเหล่านี้แล้ว ระบบยังสามารถตรวจจับอาการได้หลากหลายกว่าอุปกรณ์อื่นๆ ซึ่งจนถึงขณะนี้ได้เน้นไปที่การตรวจหาอาการชักจากโรคลมชักเป็นหลัก อัลกอริทึมแมชชีนเลิร์นนิงของชิปได้รับการฝึกฝนในชุดข้อมูลจากทั้งผู้ป่วยโรคลมบ้าหมูและโรคพาร์กินสัน และจัดประเภทสัญญาณประสาทที่บันทึกไว้ล่วงหน้าอย่างแม่นยำจากทั้งสองประเภท "เท่าที่เราทราบ นี่เป็นการสาธิตครั้งแรกของการตรวจจับการสั่นของพาร์กินสันด้วยตัวแยกประเภทบนชิป" Shoaran กล่าว อัลกอริทึมที่อัปเดตด้วยตนเอง Shoaran หลงใหลเกี่ยวกับการทำให้ส่วนต่อประสานประสาทมีความชาญฉลาดมากขึ้นเพื่อให้สามารถควบคุมโรคได้อย่างมีประสิทธิภาพมากขึ้น และเธอก็ตั้งหน้าตั้งตารอนวัตกรรมใหม่ๆ ต่อไป "ในที่สุด เราสามารถใช้ส่วนติดต่อของระบบประสาทสำหรับความผิดปกติต่างๆ มากมาย และเราต้องการแนวคิดเกี่ยวกับอัลกอริทึมและความก้าวหน้าในการออกแบบชิปเพื่อให้สิ่งนี้เกิดขึ้น งานนี้เป็นสหวิทยาการอย่างมาก ดังนั้นจึงจำเป็นต้องร่วมมือกับห้องปฏิบัติการต่างๆ เช่น ห้องปฏิบัติการสำหรับส่วนต่อประสานอิเล็กทรอนิกส์ชีวภาพแบบอ่อน ซึ่งสามารถพัฒนาขั้วไฟฟ้าประสาทที่ทันสมัย ​​หรือห้องปฏิบัติการที่เข้าถึงข้อมูลผู้ป่วยคุณภาพสูงได้" ในขั้นต่อไป เธอสนใจที่จะเปิดใช้งานการอัปเดตอัลกอริทึมบนชิปเพื่อให้ทันกับวิวัฒนาการของสัญญาณประสาท "สัญญาณนิวรัลเปลี่ยนแปลง ดังนั้นเมื่อเวลาผ่านไป ประสิทธิภาพของอินเทอร์เฟซนิวรอลจะลดลง เราพยายามทำให้อัลกอริทึมมีความแม่นยำและเชื่อถือได้มากขึ้นอยู่เสมอ และวิธีหนึ่งในการทำเช่นนั้นคือการเปิดใช้การอัปเดตบนชิป หรืออัลกอริทึมที่สามารถอัปเดตได้ ตัวพวกเขาเอง."