采用每次分类能耗为 0.2 μJ 的多路复用器神经网络的睡眠调控电生理—光遗传学闭环双向神经接口

本研究面向低能耗睡眠分期与闭环睡眠调控，提出多路复用器神经网络 MUXnet，并将片上神经信号处理与电生理记录、光遗传刺激集成为双向神经接口。基于摘要分析，未取得论文全文；其主要研究对象是神经接口硬件及动物睡眠调控，而非通用 EEG 解码算法。 核心机制是以多路复用器构建不使用乘法器的神经网络结构，作者称其可用于实现所有基于内积的神经网络层。研究据此设计片上神经信号处理单元（NSPU），执行基于深度神经网络的睡眠分期。摘要未提供具体数值表示、训练方法、网络结构，以及多路复用器如何实现内积运算，因此尚不能评估计算近似、精度损失或硬件适用范围。 作者报告，在一个公开的人类睡眠分期数据集上取得 82.4% Accuracy，每次分类能耗为 0.2 μJ，并将其描述为领先精度与最低已报告能耗。数据集名称、信号模态、被试数量、被试内或跨被试划分、对照基线及能耗测量边界均未在摘要中说明，相关领先性尚未验证；该能耗不能直接解释为整套记录—推理—刺激闭环的总能耗。 闭环系统整合神经信号记录、片上睡眠分期与光遗传刺激。作者报告，动物在体实验能够高效唤醒处于 NREM 睡眠阶段的实验对象，但摘要未给出动物种类、样本量、刺激参数、唤醒成功率、延迟或统计结果。作者亦声称这是首个此类集成闭环双向神经接口，其优先性尚未独立核实。动物唤醒结果不等同于人类睡眠干预的有效性或安全性证据。 复现需核对 MUXnet 的运算实现、硬件资源与能耗统计口径、睡眠分期的数据划分及闭环触发规则；实验协议、消融及统计信息尚未验证。现有材料支持关注其低功耗神经接口实现路径，但不足以认定对其他 EEG/BCI 任务具有同等收益。