一种用于神经解码的硅光计算方法及装置与流程

摘要: 本发明涉及硅光计算和神经信号处理,尤其涉及一种用于神经解码的硅光计算方法及装置。背景技术:1、侵入式脑机接口(bci)通过植入式电极阵列直接从大脑皮层或其他神经...
一种用于神经解码的硅光计算方法及装置与流程

本发明涉及硅光计算和神经信号处理,尤其涉及一种用于神经解码的硅光计算方法及装置。

背景技术:

1、侵入式脑机接口(bci)通过植入式电极阵列直接从大脑皮层或其他神经组织中获取高时空分辨率的神经电活动信号,并将其解码为可用于控制外部设备的指令。随着微纳加工技术的发展,电极通道数量已从数十个增加到数百甚至数千个,每个通道的采样率也达到数十千赫兹,这导致了数据通量的爆炸式增长,对后续的信号处理和解码计算构成了巨大挑战。传统的解决方案,如使用片外服务器或图形处理器(gpu),虽然算力强大,但其高功耗、大体积和非确定性延迟等特点,难以满足植入式或可穿戴式bci系统对低功耗、小尺寸、低热负荷和实时性的严苛要求。

2、硅光集成技术为解决这一挑战提供了新的可能性。利用光的并行性和高速特性,硅光矩阵计算单元能够以极高的吞吐量和较低的动态功耗执行大规模的矩阵向量乘法运算,这恰好是现代神经解码算法中的核心计算瓶颈。因此,将硅光计算引入神经解码芯片,有望在片上实现高效、低延迟的解码。

3、然而,将连续采集的神经数据流与硅光矩阵计算路径直接结合面临着根本性的不匹配问题。一方面,神经信号采集是连续不断的、等时序的数据流;但另一方面,真正携带有效信息的神经事件(如神经元放电尖峰)在时间上往往是稀疏和不规则的。如果让硅光矩阵计算路径持续工作以处理每一个数据采样点,那么在没有神经事件的绝大部分时间内,光路仍在进行无效的调制、传播和探测,产生不必要的静态功耗和热量积累,这违背了低功耗设计的初衷。

4、反之,如果采取简单的事件触发开关策略,即仅在检测到事件后才接通硅光矩阵计算路径的电源,则会引入新的可靠性问题。光源的功率稳定、光调制器的偏置建立、可重构矩阵的权重配置以及光电探测器的前端稳定等,都需要一定的建立时间。若在这些物理条件未满足预定稳定条件时就进行计算,将导致运算结果失真或完全错误。此外,在闭环应用中,神经刺激会产生强烈的伪迹,污染神经信号,若不加区分地触发计算,不仅浪费能源,还可能输出危险的错误指令。同时,硅光器件固有的温度漂移问题需要进行在线校准,而校准过程如何与不间断的数据采集流程相协调,也是现有技术中悬而未决的难题。

5、综上所述,现有技术缺乏一种有效的控制策略,来协同管理连续的神经数据采集与按需的硅光计算,无法在保证计算结果准确可靠的前提下,实现真正的事件驱动和功耗优化,也未能妥善处理闭环刺激和在线校准带来的复杂情况。

技术实现思路

1、为了解决现有技术中连续神经数据采集与按需硅光计算之间在功耗、时序、数据关联和可靠性方面的根本性不匹配问题,本发明提供了一种用于神经解码的硅光计算方法及装置。本发明旨在建立一种控制机制,使得硅光矩阵计算路径仅在处理有效神经事件时被唤醒和使用,在空闲时则返回低功耗状态,同时确保整个数据处理流程中输入与输出的严格对应、计算结果的有效性以及在闭环刺激等复杂场景下的系统鲁棒性。

2、本发明提供了一种用于神经解码的硅光计算方法,包括:获取代表多通道神经信号的数字神经数据流;将所述数字神经数据流分割为数据分段,并为每个数据分段附加一个用于后续追踪的关联标识;基于所述数据分段的内容进行判定,当满足预定计算条件时,生成与所述关联标识对应的计算请求;响应于所述计算请求,将硅光矩阵计算路径从第一功耗状态转换至功耗更高的第二功耗状态,并在确认所述硅光矩阵计算路径满足预定稳定条件后,才使用其进行计算;响应于所述计算请求,从所述数据分段中准备数据以形成待计算特征向量,并将所述待计算特征向量与所述关联标识进行绑定;将所述待计算特征向量映射至硅光矩阵计算路径的物理资源,并利用可重构硅光矩阵执行矩阵-向量运算;获取携带所述关联标识的运算输出,并基于所述关联标识,将所述运算输出与对应的所述数据分段进行关联,以生成神经控制变量;在不存在待处理计算请求时,使所述硅光矩阵计算路径的至少部分电路保持或返回所述第一功耗状态,而使所述数字神经数据流的获取持续进行。通过这种事件驱动的按需计算模式,能够在不牺牲解码性能的前提下,最大程度地降低系统的平均功耗和热负荷。

3、进一步地,所述方法还包括在所述硅光矩阵计算路径的计算空闲时段内,对其进行在线校准,并且在所述在线校准期间,所述数字神经数据流的获取持续进行。这种在计算空闲时段进行校准的方式,有助于解决器件温漂问题,同时避免了因校准而中断神经数据采集,保证了数据的连续性。

4、在一种实施方式中,所述在线校准包括:采用第一光学权重控制码存储区和第二光学权重控制码存储区;在所述第一光学权重控制码存储区用于当前运算时,将根据校准结果修正后的控制码写入所述第二光学权重控制码存储区;并在数据分段的边界,切换所述第一和第二光学权重控制码存储区的活动状态。这种双存储区切换机制,确保了在任何一个数据分段的处理周期内,所使用的校准参数都是稳定和一致的,避免了计算错误。

5、可选地,所述方法还包括获取神经刺激的时序信息,并基于所述时序信息,对与所述神经刺激存在时序关联的数据分段的数据处理流程进行门控。此举能够有效隔离刺激伪迹对解码结果的干扰,防止系统输出错误的控制指令,对于闭环脑机接口的安全性至关重要。

6、进一步地,所述预定计算条件包括以下至少一种:检测到神经放电事件、神经特征变化超过预定阈值、前一数据分段的解码置信度低于预定阈值。这使得计算资源的调用更加智能化,不仅响应于明确的神经事件,还能在解码结果不确定时主动发起复算或精细计算,提高了系统的适应性和可靠性。

7、可选地,所述方法还包括根据系统状态,在至少两种工作模式之间进行自适应切换;所述系统状态包括芯粒温度、光学权重偏差或事件密度;所述工作模式选自:全并行光计算模式、降并行度光计算模式、光电混合计算模式或纯数字解码模式。这种多模式自适应切换策略,使得系统能够在性能、功耗和可靠性之间做出动态权衡,从而在各种工况下都能保持最优运行。

8、进一步地,所述方法还包括当所述矩阵-向量运算未在预定截止时间内完成,或所述运算输出的关联标识校验失败时,禁止使用所述运算输出更新所述神经控制变量。这一安全门控机制保障了系统的实时性和安全性,能够有效阻止无效或过时的计算结果影响最终输出。

9、本发明还提供了一种用于神经解码的硅光计算装置,包括:数据获取模块,用于获取代表多通道神经信号的数字神经数据流;数据处理模块,用于将所述数字神经数据流分割为数据分段,并为每个数据分段附加一个用于后续追踪的关联标识;事件判定模块,用于基于所述数据分段的内容进行判定,当满足预定计算条件时,生成与所述关联标识对应的计算请求;数据准备模块,用于响应于所述计算请求,从所述数据分段中准备数据以形成待计算特征向量,并将其与所述关联标识进行绑定;光路径状态控制单元,用于响应于所述计算请求,将硅光矩阵计算路径从第一功耗状态转换至功耗更高的第二功耗状态,并在确认所述硅光矩阵计算路径满足预定稳定条件后,才允许其进行计算;所述硅光矩阵计算路径,用于将待计算特征向量映射至其物理资源,并利用可重构硅光矩阵执行矩阵-向量运算;结果对齐单元,用于获取所述矩阵-向量运算的运算输出,并基于所述关联标识,将所述运算输出与对应的所述数据分段进行关联,以生成神经控制变量;其中,所述光路径状态控制单元还用于,在不存在待处理计算请求时,使所述硅光矩阵计算路径的至少部分电路保持或返回所述第一功耗状态,而所述数据获取模块持续获取所述数字神经数据流。

10、进一步地,该装置还包括在线校准模块,用于在所述硅光矩阵计算路径的计算空闲时段内,对其进行在线校准,并且在所述在线校准期间,所述数据获取模块持续获取所述数字神经数据流。

11、可选地,该装置还包括伪迹门控模块,用于获取神经刺激的时序信息,并基于所述时序信息,对与所述神经刺激存在时序关联的数据分段的数据处理流程进行门控。

12、与现有技术相比,本发明具有以下有益效果:

13、1.显著降低功耗与热负荷:通过将连续的数据采集域与事件驱动的计算域解耦,本发明使得高功耗的硅光矩阵计算路径仅在检测到有效神经事件或满足特定计算需求时才被唤醒并执行运算,在其余大部分时间处于低功耗待机状态,从而大幅降低了系统的平均功耗和热量产生,特别适用于对功耗和散热有严格限制的植入式和穿戴式设备。

14、2.保证数据处理的准确性和一致性:本发明采用贯穿数据处理全流程的关联标识,确保了从原始数据分段到最终计算结果的严格对应,有效避免了在采用多波长、多空间端口或分时复用等并行计算技术时可能发生的数据与结果错配问题。同时,有序唤醒和稳定条件检查机制保证了计算是在光路稳定状态下进行的,从物理层面确保了运算结果的可靠性。

15、3.实现不间断采集下的在线校准:通过利用计算空闲时段进行在线校准,并结合双权重存储区的切换技术,本发明能够在不中断连续神经信号采集的前提下,实时补偿由温度等因素引起的器件性能漂移,维持了解码模型的长期稳定性。

16、4.提升系统的鲁棒性和安全性:本发明集成考虑了多种实际应用中的复杂情况,通过对神经刺激伪迹的门控处理、对计算超时和校验失败结果的拦截,以及根据系统状态自适应切换工作模式,构建了多层次的安全和回退机制,确保了系统在各种异常和干扰下仍能表现出可预测的、安全可靠的行为。