（七）基于脑机接口的情绪或认知检测评估技术与系统
揭榜任务：研发非侵入式脑机接口技术，实现对情绪或认知的检测与评估。具有范式丰富、情感交互自然、检测速度快、普适性好、可靠性高的特点。
预期目标：到2025年，可进行脑电实时采集、处理以及情绪或认知的实时检测与评估，模型特征可解释且可检验，用于情绪或认知测评的情景信息丰富。情绪任务科学合理，支持听觉、视觉以及多模态情绪任务，对情绪障碍或认知水平的检测与评估准确率高。
（八）基于非侵入式脑机接口的人机班组协同感知和控制技术与系统
揭榜任务：研发基于非侵入式脑机接口的人机班组交互、协同感知和控制技术。在非开阔环境作业、巡逻检查、搜索救援等复杂环境下，支持操作人员通过脑机系统与无人系统交互及目标协同检测。
预期目标：到2025年，可实现对无人系统高效操控，控制指令输入准确率和人机班组执行任务成功率高。将基于机器视觉的目标检测与基于操作人员脑电响应的目标检测相结合，实现脑机协同环境感知，降低伴随设备目标检测的不确定性。
三、典型应用
（九）面向工业安全监测的典型应用
揭榜任务：研发用于工业高危作业安全监测的技术和产品。以脑机接口技术为基础，结合生理指标和运动状态，实时监测与人员认知负荷水平相关的脑活动指标，识别影响人身安全和工作安全的人员异常状态，防范和监测因人员过度疲劳和疾病而引发的安全事故。
预期目标：到2025年，系统便携式可穿戴设计，支持无线传输，即戴即用。能长时程实时监测高危作业人员认知负荷相关的脑活动指标和其他生理指标，可及时对困倦、注意力不足、反应迟缓、长时间异常体态等异常状态及时反馈和提醒。实时监测时间分辨率达到秒级，脑电电压测量精度范围内误差小。电极及其他接触皮肤的部件生物相容性好，数据使用合法依规，符合相关伦理要求。
（十）面向驾驶安全监测的典型应用
揭榜任务：利用脑机接口对驾驶行为进行安全监测，在脑机接口基础上，结合生理等其他指标信息，监测驾驶员异常状态。
预期目标：到2025年，能实时监测驾驶人员认知负荷相关的脑活动和其他生理指标，可及时对驾驶员困倦、注意力不足、反应迟缓等异常状态进行迅速及时的反馈和提醒。参与安全监测的驾驶员数量不少于100人，累计监测时长不少于20000h，降低因疲劳驾驶导致的事故风险发生率，数据使用合法依规，符合相关伦理要求。
附：1.2023年未来产业创新任务揭榜单位推荐表-脑机接口方向
2.2023年未来产业创新任务揭榜单位申报材料
附件4 通用人工智能揭榜挂帅任务榜单
一、核心基础
（一）智能芯片
揭榜任务：围绕人工智能任务计算特征、访存模式、数值分布等特点，突破适用于人工智能计算范式的矩阵乘加内核架构、高速互联总线等核心技术。训练端，重点补齐内存带宽、互联线性度等短板，提升吞吐率等算力性能指标。联合上下游企业协同研发具备高可扩展性、高易用性、高灵活性等优势的芯片软件栈，加大力度突破先进封装、仿真验证等制造工艺核心技术。
预期目标：到2025年，训练芯片支持FP16、FP32和混合精度（FP16/FP32）处理能力，内存容量达到128GB及以上，单芯片FP16达到500 TFLOPS以上，支持结构化稀疏后FP16算力达1 PFLOPS以上。片间互联带宽达到300 GB/s以上，支持智能服务器单机内部全互联。高效支持可信计算、隐私计算或联邦学习等功能，提升基于硬件的安全性。
（二）智能算力集群
揭榜任务：攻克人工智能集群计算领域中总线互联、RAS技术、功耗散热等瓶颈，加强智能服务器与智能芯片、操作系统、开发框架、应用软件的兼容适配。建设大型智能算力集群，通过液冷等方式满足绿色化需求。开发配套云端运维管理和调度系统，满足大规模人工智能训练/推理要求。
