用体外神经网络培养的微电极阵列用于运动控制任务:编码和解码进展和进步
Sihan Hua1,2, Yaoyao Liu1,2, Jinping Luo3,4
1State Key Laboratory of Transducer Technology, Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing, 100190, China.
Microsystems & nanoengineering
|November 27, 2025
概括
使用微电极阵列 (MEAs) 和体外神经网络的生物综合系统显示出运动控制的前景. 人工智能增强了实时控制,算法选择取决于任务的复杂性.
科学领域:
- 神经科学是一个神经科学.
- 生物医学工程 生物医学工程
- 人工智能的人工智能
背景情况:
- 带有体外神经网络的微电极阵列 (MEAs) 对生物一体化系统至关重要.
- 这些系统表现出固有的可塑性和学习行为,使它们适合高级应用.
研究的目的:
- 通过使用基于MEA的生物综合系统,回顾运动控制的最新进展.
- 专注于编码解码技术,并比较经典和人工智能驱动的方法.
主要方法:
- 检查经典解码算法 (例如,火速映射).
- 对人工智能 (AI) 方法进行评估,以提高运动控制的准确性和适应性.
- 对算法复杂度与任务要求进行比较分析.
主要成果:
- 人工智能方法显著改善了实时,闭环运动控制.
- 简单的算法在基本任务中是有效的,而复杂的模型在动态环境中表现出色.
- 生物综合系统提供灵活性和低能耗.
结论:
- 基于MEA的生物综合系统对各种运动控制应用具有前景.
- 算法选择对于基于任务复杂性的性能优化至关重要.
- 未来的研究可以推动神经科学和人工智能的跨学科进步.
