由香港大学（港大）工程学院电机电子工程系黄毅教授与刘正午博士领导的研究团队与清华大学和天津大学团队合作，在基于忆阻器的脑机接口（BCIs）研究领域取得重大突破。研究团队开发了一种创新的高效能自适应神经形态解码系统，并可与不断变化的脑信号同步进化。相关研究成果已于国际学术期刊Nature Electronics发表。

脑机接口是一种技术系统，能够在大脑与计算机或其他外部设备之间建立直接通讯通道，使个体无需依赖传统的肌肉运动或神经系统，仅凭大脑活动即可控外部设备或应用程序。此技术的应用范围广泛，从辅助科技到神经康复等领域皆有显著潜力。然而，传统脑机接口仍面临各种挑战。黄教授和刘博士表示：“大脑是一个复杂的动态系统，信号持续演变和波动令脑机接口难以长期维持稳定。此外，随着脑机连接变得日益复杂，传统计算架构难以满足实时处理的需求。”

研究团队针对上述技术限制，成功研发出一款自动适应脑信号解码器的128K单元忆阻器芯片。通过硬件高效的单步忆阻器解码策略，在保持高精度解码性能的情况下，显著地降低了计算复杂度。港大电机电子工程系研究助理教授刘正午博士是这项突破性研究的共同第一作者。

在实际测试中，该系统在四自由度无人机飞行控制任务中展现了卓越的性能，表现令人印象深刻，并成功实现了85.17%的解码准确率（与基于软件的方法相当）。此外，其能耗比传统CPU系统降低了1,643倍，而归一化速度更提高了216倍。

此外，研究人员开发了一种交互式更新框架，能使忆阻器解码器和脑信号自然地相互适应与协同演进。在一项为时六小时、包含十名参与者的实验中，该框架的效能得到了验证。实验结果显示，与缺乏协同演进能力的系统相比，该框架解码准确率提高了约20%。

刘博士解释说：“我们在优化计算模型和误差缓解技术方面的创新，对确保忆阻器技术能在实际应用中实现理论优势至关重要。我们共同开发的单步解码方法明显地降低了计算复杂度和硬件成本，使技术可更广泛地应用于各领域。”

黄教授指出：“更重要的是，我们设计的交互式更新框架实现了忆阻器解码器与脑信号的协同演进，解决了传统脑机接口长期维持稳定的难题。这种共同演化机制令系统能够适应脑信号随时间的自然变化，大大提高长期使用时的解码稳定性和准确度。”

研究团队现已与港大李嘉诚医学院及玛丽医院建立全新合作关系，联合开发用于癫痫数据分析的多模态大型语言模型。黄教授和刘博士表示：“这项合作旨在将我们在脑信号处理方面的工作扩展到癫痫诊断及治疗的领域，通过结合先进算法和神经形态计算等方面的专业知识及临床数据，我们希望开发出更准确和高效率的模型来帮助病人。”

团队相信，此项研究标志着以人为中心的混合智能领域取得了重大突破。通过融合生物大脑与神经形态计算系统，该技术为医疗应用、康复技术以及人机交互开辟了新的可能性。