Теперь вы можете превратить дешевые ЭЭГ-гарнитуры в лабораторные сканеры мозга. И это с открытым исходным кодом. ZUNA — это модель с 380 миллионами параметров, которая восстанавливает недостающие сигналы мозга из частичных данных ЭЭГ. Она работает с любыми настройками электродов, от потребительских гарнитур до 256-канальных исследовательских систем, без повторной тренировки. Она позволяет вам: - Восстанавливать недостающие каналы ЭЭГ из разреженных данных - Удалять шум из поврежденных сигналов - Предсказывать новые каналы только по координатам электродов - Обрабатывать произвольные конфигурации электродов Модель использует диффузионный автоэнкодер с трансформерной архитектурой. Она была обучена на 2 миллионах часов каналов по 208 наборам данных с использованием маскированного диффузионного обучения и 4D пространственных эмбеддингов. Это позволяет модели понимать физическую геометрию размещения электродов. Каждый сигнал канала сжимается в токены, затем модель кодирует позиции x, y, z плюс время в отдельные компоненты внимания. Данные ЭЭГ застряли в эпохе предшествующих моделей. Наборы данных маленькие, фрагментированы по учреждениям, собраны по разным протоколам. Стандартное решение для недостающих каналов — это сферическая сплайн-интерполяция, по сути, пространственное сглаживание. Это работает нормально, когда выпадает несколько каналов, но разваливается, когда вы теряете более 75% ваших данных. ZUNA превосходит эту базу, изучая реальные паттерны мозговой активности, а не просто сглаживая между точками. Разрыв значительно увеличивается при высоких уровнях потерь, именно там, где это нужно больше всего. Технология «мысль в текст» позиционирует себя как следующая крупная модальность ИИ после языка, зрения и аудио. Но вы не можете построить это будущее на данных, которые выбрасываются из-за того, что несколько электродов вышли из строя. Модель полностью с открытым исходным кодом под лицензией Apache 2.0, работает на потребительских GPU и на CPU для многих задач.