1024通道稀疏感知聚焦采样神经接口芯片

• 集成 CIM 存算一体的热点预测引擎，自动定位神经活动热点
• 支持 8-bit 全景监控与 11-bit 高精度跟踪动态切换，在保证采样质量的同时实现数据压缩
• 实现0.000222mm²/通道、0.34μW/通道的极致面积、功耗效率

ISSCC: Sparsity-Aware Neural Interface with CIM-Based Predictive Focused Sampling for Hotspot Spike Tracking

事件驱动的混合神经网络处理器

• 支持 EEG/ECG/EMG/LFP 等神经信号分析
• 融合 ANN 与 SNN，可重构架构灵活切换
• 采用 BNN 常开 + CNN 事件触发，功耗低至 0.99 μJ/class

TBioCAS: A 0.99-to-4.38 μJ/class Event-Driven Hybrid Neural Network Processor for Full-Spectrum Neural Signal Analyses

多拓扑在线学习SNN处理器

• 可重构电路设计，适配脉冲全连接/循环/卷积神经网络
• 支持基于TR-STDP的在线学习算法
• 可完成ECG 异常检测、图像分类、MNIST 识别等在线学习任务

TBioCAS: A 510 μW 0.738-mm2 6.2-pJ/SOP Online Learning Multi-Topology SNN Processor With Unified Computation Engine in 40-nm CMOS

非结构稀疏感知深度SNN处理器

• 基于3D加法树的时间步并行计算
• 非结构稀疏数据并行执行
• 支持 spike-Q/K/V 与自注意力机制（Spike-SSA）

JSSC: An Energy-Efficient Unstructured Sparsity-Aware Deep SNN Accelerator With 3-D Computation Array

Spiking Vision Transformer 加速器

• 双路径稀疏计算核
• EMA-free脉冲自注意力引擎
• 1位/8位加法-树（adder-tree）结构阵列

TCASAI: A 28nm Spiking Vision Transformer Accelerator with Dual-Path Sparse Compute Core and EMA-free Self-Attention Engine for Embodied Intelligence

多稀疏性挖掘的混合神经网络片上训练处理器

• 融合Feedback Alignment机制进行在线学习
• 通过利用不同粒度的稀疏性来提高计算效率
• 混合ANN/SNN结构，支持在线训练与本地化适配

TBioCAS: HybMED: A Hybrid Neural Network Training Processor With Multi-Sparsity Exploitation for Internet of Medical Things

生物神经元启发的无线脑机接口系统芯片

• 支持32通道事件驱动神经脉冲检测与无线传输
• Direct Multiplexing前端 + Spike Folding电路，提升面积效率
• 功耗仅1.38μW/ch，面积仅0.0032mm²/ch，压缩率超500×

CICC: A Neuron-Inspired 0.0032mm2-1.38μW/Ch Wireless Implantable Neural Interface with Direct Multiplexing Front-End and Event-Driven Spike Detection and Transmission

用于视网膜假体的仿生视觉信号处理芯片

• 支持32通道事件驱动神经脉冲检测与无线传输
• Direct Multiplexing前端 + Spike Folding电路，提升面积效率
• 功耗仅1.38μW/ch，面积仅0.0032mm²/ch，压缩率超500×

JBHI: A Neuron-Inspired 0.0032mm2-1.38μW/Ch Wireless Implantable Neural Interface with Direct Multiplexing Front-End and Event-Driven Spike Detection and Transmission

小面积、低功耗、可配置的生物电信号模拟前端芯片

• 引入自稳定斩波放大结构和伪源伺服拓扑，降低 1/f 噪声
• 集成可调主动伪电阻实现灵活的高通滤波器
• 输入参考噪声1.7 µV_rms，支持各种ExG,适用于植入式与可穿戴式多模态神经接口系统

TBioCAS: An Energy-Efficient Small-Area Configurable Analog Front-End Interface for Diverse Biosignals Recording

射频能量收集的可重构前端芯片

• 在 -22.5 dBm 到 -3 dBm 的输入范围内保持 1.3V-1.8V 稳定输出，无需额外的 DC-DC 转换器
• 峰值效率达 42.8%，灵敏度低至 -23.6 dBm
• 适用于自供电物联网传感器、无线植入式医疗器件等超低功耗系统

TCAS-II: An On-Chip Reconfigurable Front-End for Ultra-Low-Power RF Energy Harvesting

毫秒级恢复自适应神经信号采集前端芯片

• 缩短刺激伪影恢复时间缩短至 3 ms 以内
• 具备可调高通截止频率（0.1-15 Hz），支持高保真 LFP 与 Spike 记录
• 下一代高分辨率闭环神经调控接口、癫痫与帕金森病治疗设备

TBioCAS: Self-Adaptive Pseudo-Resistors Enabling Millisecond-Level Artifact Recovery and High-Linearity for Neural Recording Front-Ends

高速可编程视觉芯片

• 高效支持卷积神经网络和深度学习算法
• 峰值性能 413 GOPS@8bit，可实现从图像预处理到目标分类的完整视觉处理流水线
• 芯片面积4mm × 6mm, 200MHz系统时钟下运算性能208GOPS，能耗效率194GOPS/W

TCSVT: A Heterogeneous Parallel Processor for High-Speed Vision Chip & A High Speed Programmable Vision Chip for Real-Time Object Detection

融合SOM神经网络的混合可重构千帧视觉芯片

• 像素级并行PE阵列 + 可重构RP处理器 + 双核MPU
• 融合生物启发的 SOM（Self-Organizing Map）神经网络
• 集成高帧率CMOS图像传感器，实现 >1000 fps 的实时视觉处理

JSSC: A 1000 fps Vision Chip Based on a Dynamically Reconfigurable Hybrid Architecture Comprising a PE Array Processor and Self-Organizing Map Neural Network

32通道集成神经信号放大芯片

• 芯片面积仅2.8mm × 1.9mm，单通道功耗约3μW，显著优于同类产品
• 输入参考噪声低于2μVrms，支持高保真神经信号采集
• 已在动物实验中验证，性能可媲美商用系统

64通道神经信号采集SoC芯片

• 支持64通道神经信号同时采集，每通道功耗仅 10.7 µW
• 噪声3.2 µVrms（@5–1kHz），100–500倍增益可调，采样率 62.5 kHz/ch
• 适用于大规模神经记录、脑机接口、动物实验平台、微创神经调控系统等场景