Новый подход к нейроинтерфейсам: Стабильность и высокая точность

Исследователи Стэнфордского университета представили инновационный метод построения нейроинтерфейсов (BCI), обеспечивающий долгосрочную стабильность и высокую точность декодирования намерений.

Основная проблема существующих нейроинтерфейсов заключается в их недолговечности: точные сигналы быстро деградируют, требуя постоянной перенастройки. Традиционные BCI, основанные на локальных полевых потенциалах (LFP), обладают стабильностью на протяжении длительного времени, но качество декодирования намерений остается ниже требуемого.

Новая разработка позволяет решить эту проблему. Ученые научились эффективно преобразовывать высокоточные представления, полученные от больших спайковых трансформеров, в LFP-модели. Это позволило достичь следующих результатов:

• Точность LFP-моделей значительно повышается, приближаясь к уровню, обеспечиваемому спайковыми трансформерами.
• Модель демонстрирует высокую обобщающую способность, успешно работая в новых сеансах без необходимости дополнительной дистилляции.
• В процессе инференса используются только LFP-модели, исключая необходимость в спайках.
• Скрытые представления, используемые LFP-модель, практически полностью соответствуют данным, полученным от спайковых трансформеров.