您现在可以将廉价的脑电图（EEG）头戴设备转变为实验室级别的脑扫描仪。 而且它是开源的。 ZUNA 是一个拥有 3.8 亿参数的基础模型，可以从部分 EEG 数据中重建缺失的脑信号。 它适用于任何电极设置，从消费级头戴设备到 256 通道的研究系统，无需重新训练。 它可以让您： - 从稀疏数据中重建缺失的 EEG 通道 - 去噪损坏的信号 - 仅通过电极坐标预测新通道 - 处理任意电极布局 该模型使用了带有变换器骨干的扩散自编码器。它在 208 个数据集上训练了 200 万通道小时，使用了掩蔽扩散训练和 4D 空间嵌入。 这使得模型能够理解电极放置的物理几何。每个通道信号被压缩为标记，然后模型将 x、y、z 位置以及时间编码为单独的注意力组件。 EEG 数据一直停留在基础模型时代。数据集较小，分散在不同机构，采用不同的协议收集。 缺失通道的标准修复方法是球面样条插值，基本上是空间平滑。当少数通道掉线时，它工作得还不错，但当您失去超过 75% 的数据时，它就会崩溃。 ZUNA 通过学习脑活动中的实际模式而不是仅仅在点之间平滑来超越这个基线。在高掉线率下，差距显著扩大，正是您最需要它的时候。 思想转文本正在定位为继语言、视觉和音频之后的下一个主要 AI 模态。但您无法在因为少数电极故障而被丢弃的数据上构建未来。 该模型完全开源，遵循 Apache 2.0 许可，运行在消费级 GPU 上，并且在许多任务上可以在 CPU 上工作。