MEDSA: A Memristive-passive Delta-Sigma ADC Circuit for Detecting Neural Signals
Notice bibliographique
Résumé
In this study, we present an analog-to-digital converter (ADC) optimized for implantable neural interfaces. The proposed ADC integrates a series of memristors in both the input and feedback Digital-to-Analog Converter (DAC), significantly boosting the input impedance and making it suitable for neural interfaces. A defining feature of the ADC is the ability of the memristor resistance to adapt to various conditions such as large DC offset, motion, and stimulation artifacts. The model was simulated using 65nm MOSFET technology along with a physical memristor model, yielding an impressive signal-to-noise-and-distortion ratio (SNDR) of 62.7dB and a substantial Nyquist sampling rate of 50kHz. Power consumption is remarkably low, with less than nW for integrators, 5µW for the comparator, and 0.45 µW for the feedback DAC-a key requirement for neural interfaces implanted in the brain. The ADC demonstrates strong resilience against component mismatch, maintaining circuit stability even in variable conditions. Through its ability to adjust input resistance, the ADC can enhance its SNDR. This adaptive and robust ADC design shows promising potential for implantable neural interface applications.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».