Ora puoi trasformare cuffie EEG economiche in scanner cerebrali di livello da laboratorio. Ed è open-source. ZUNA è un modello di fondazione con 380 milioni di parametri che ricostruisce segnali cerebrali mancanti da dati EEG parziali. Funziona con qualsiasi configurazione di elettrodi, da cuffie per consumatori a sistemi di ricerca a 256 canali, senza necessità di riaddestramento. Ti consente di: - Ricostruire canali EEG mancanti da dati scarsi - Rimuovere il rumore dai segnali corrotti - Prevedere nuovi canali solo dalle coordinate degli elettrodi - Gestire layout di elettrodi arbitrari Il modello utilizza un autoencoder di diffusione con una struttura a trasformatore. È stato addestrato su 2 milioni di ore canale attraverso 208 dataset utilizzando l'addestramento di diffusione mascherata e embedding spaziali 4D. Questo consente al modello di comprendere la geometria fisica del posizionamento degli elettrodi. Ogni segnale di canale viene compresso in token, quindi il modello codifica le posizioni x, y, z più il tempo in componenti di attenzione separate. I dati EEG sono rimasti bloccati in un'era pre-modello di fondazione. I dataset sono piccoli, frammentati tra le istituzioni, raccolti secondo protocolli diversi. La soluzione standard per i canali mancanti è l'interpolazione a spline sferica, fondamentalmente un'operazione di smussamento spaziale. Funziona bene quando alcuni canali mancano, ma si deteriora quando perdi più del 75% dei tuoi dati. ZUNA supera questa base imparando i veri schemi nell'attività cerebrale invece di limitarsi a smussare tra i punti. Il divario si amplia drammaticamente a tassi di abbandono elevati, esattamente dove ne hai più bisogno. Il pensiero in testo si sta posizionando come la prossima grande modalità AI dopo linguaggio, visione e audio. Ma non puoi costruire quel futuro su dati che vengono scartati perché alcuni elettrodi hanno fallito. Il modello è completamente open source sotto Apache 2.0, funziona su GPU per consumatori e opera su CPU per molte attività.