A 200GΩ-Z<sub>IN</sub>, <0.2%-THD CT-△Σ-Based ADC-Direct Artifact-Tolerant Neural Recording Circuit
Notice bibliographique
Résumé
Design, implementation, and post-layout validation of a DC-coupled chopper-stabilized continuous-time $\triangle\Sigma$-based ADC-direct artifact-tolerant neural recording circuit is presented. The architecture employs a dual fine-coarse first-order $\triangle\Sigma$ modulator to simultaneously record $\mu$V-level neural signals in the presence of DC offsets and differential artifacts up to ±140mV. The input transconductance stage (capable of handling rail-to-rail CM input with <0.2% THD) is DC coupled to the electrode, achieving >200G$\Omega$ input impedance for the entire frequency band of interest (DC-5kHz). Chopper stabilization is also conducted at the input to minimize flicker noise (Integrated IRN: 1.22$\mu V_{rms}$). Our transient simulation results show the circuit’s capability in differential artifact recovery under 200$\mu$s. Thanks to avoiding multi-bit capacitive/resistive DACs and using the same loop filter blocks for both neural recording and artifact compensation, a channel area of 0.035m$\text{m}^{2}$ is achieved, which is largely dominated by process-scalable digital blocks. The entire recording circuit consumes 5.4$\mu$W and yields an effective dynamic range of 50+40.9dB for neural signals and artifacts. The circuit’s performance comparison to the state of the art is also presented. keywords: Neural recording, stimulation artifact, high DR, ADC direct architecture, DC coupled input, artifact tolerant.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».