웨어러블 눈추적 기술은 부피가 큰 광학 장치, 높은 전력 소모, 그리고 외부 연산에 대한 의존성으로 인해 제약을 받고 있다. 우리는 초박막의 순응형(conformal) e-skin 센서를 저항성 랜덤 액세스 메모리(resistive random-access memory, RRAM) 크로스바와 통합한 하드웨어-소프트웨어 공동설계 전기안검도전( electrooculography, EOG ) 인터페이스를 제시하며, 이를 통해 뉴로모픽 처리 파이프라인 내에서 시냅스 벡터-행렬 곱셈을 구현하여 실시간 응시 디코딩을 수행한다. 순응형 e-skin 센서는 수직 및 수평 안구운동 신호를 안정적이고 연속적으로 획득할 수 있으며, 이러한 신호는 주의(attention) 유도 스파이크 특징으로 변환되어 경량의 스파이킹 신경망(spiking neural network, SNN)에 의한 분류에 사용된다. 소음 인지 기반 학습 후 양자화된 가중치로 RRAM 배열에 구현된 본 시스템은 지연 시간과 에너지 요구량을 크게 낮추면서도 견고한 추론 성능을 달성한다. 제안된 프레임워크는 로컬 엣지 수준의 연산을 목표로 하여 사용자 프라이버시를 보존하고 클라우드 기반 추론의 필요성을 제거한다. 머리에 장착하는 광학 장치를 없앤 본 글래스리스(glassless) 아키텍처는 방해받지 않는 동시에 에너지 효율적인 웨어러블 인터페이스를 가능하게 한다. 이러한 결과는 몰입형 컴퓨팅, 보조 인터페이스, 모바일 건강 모니터링을 발전시키기 위해 뉴로모픽 프로세서를 결합한 유연한 바이오전자공학의 가능성을 보여준다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.