如果一名四肢瘫痪患者正用意念控制机械臂抓取水杯，从神经信号产生到机械臂完成闭合，整个闭环延迟若超过 100 毫秒，大脑便会因"过度校正"而陷入震颤。临床研究表明，只有将系统延迟压缩至 50 毫秒以下，用户才能建立稳定的内模型，获得真正的具身感（embodiment）。

近日，中科院上海微系统所联合北京玻色量子在bioRxiv发布论文，首次在1000量子比特光量子硬件实现微秒级神经解码。团队提出量子半受限玻尔兹曼机（QSRBM），构建 “脉冲对接自旋” 量子原生架构，将神经脉冲经 4-bit 量化后映射为量子自旋状态，把网络嵌入物理伊辛哈密顿量，训练构建能量势阱，推理由相干光量子伊辛机通过能量弛豫输出结果。

研究采用了小鼠、恒河猴、食蟹猴的在体数据集验证，4 段式时间编码效果最优，QSRBM 在小鼠视觉任务准确率高达 96.2%，猕猴运动解码准确率 89.0%，均超越了如 Conformer、Transformer 等经典模型；仅 50 个神经元的本体感觉任务中，准确率 92.9%，略低于经典模型，反映其擅长高维复杂模式提取。硬件测试显示，QSRBM 平均推理延迟 75 微秒，最低 20 微秒，比 GPU 上最快模型快约 10 倍，比数字版快 240 倍。其具备复杂度不变扩展性，量子比特并行演化使延迟不随输入维度线性增长，突破传统冯・诺依曼架构瓶颈。

当前研究仍基于离线数据集验证，尚未实现实时在线闭环（closed-loop）解码。此外，1000 量子比特的硬件预算限制了可编码的神经通道上限。该研究填补了量子计算与神经工程之间的空白，首次在真实量子硬件上验证了"物理即计算"的解码范式。研究人员在文献中表示，下一步将探索在线解码与更大规模量子硬件的集成。随着神经接口通道数持续向万级迈进，让物理定律直接完成推理的量子原生方案，或将成为下一代超低延迟脑机接口的关键算力底座。

【新闻来源】腾讯网  https://news.qq.com/rain/a/20260421A01YHX00

（本网转发上述文章，旨在为读者提供更多的信息资讯，所涉内容不构成投资、消费建议。文章事实如有疑问，请与有关方核实，文章观点非本网观点，仅供读者参考。）