Конвейер глубокого обучения, сочетающий риманово выравнивание со стохастическим усреднением весов (SWA), приближает создание интерфейсов «мозг-компьютер» (BCI) с нулевой калибровкой, достигая точности 90,97% для одного испытуемого и 74,31% для девяти.
Исследование
В препринте, опубликованном на arXiv 19 июня 2026 года, исследователь Иммануэль Пратхап Сагаяраджу решает упрямую проблему калибровки, которая долго тормозила развитие BCI: каждый мозг уникален, а сенсоры улавливают шум. В исследовании представлен конвейер, который сначала очищает данные каждой сессии с помощью анализа независимых компонент, затем выравнивает пространственную ковариацию сигналов ЭЭГ с помощью риманова евклидова выравнивания — математического метода, рассматривающего мозговые волны как точки на искривлённом пространстве, — и, наконец, классифицирует моторное воображение с помощью EEGNet, компактной свёрточной нейронной сети, стабилизированной стохастическим усреднением весов (SWA) для сглаживания колебаний при обучении.
Протестированный на строгом бенчмарке MOABB BNCI2014-001 — стандартном наборе данных для моторного воображения — подход достиг клинически надёжной точности 90,97% для испытуемого 1 (AUC: 0,976, κ Коэна: 0,819). Что ещё важнее, при оценке модели на всех девяти испытуемых с использованием кросс-валидации с исключением по одному испытуемому она сохранила глобально стабильную среднюю точность 74,31%. Это означает, что система могла декодировать воображаемые движения нового человека без какой-либо индивидуальной калибровки — впервые для этого бенчмарка. Конвейер оказался аппаратно-независимым, выделяя истинные сенсомоторные ритмы даже при использовании разных ЭЭГ-шапочек и сессий.
Почему это важно
BCI обещают вернуть коммуникацию и контроль людям с параличом, но их реальное использование было парализовано необходимостью длительных индивидуальных калибровочных сессий — часто час и более на пользователя. Интерфейсы с нулевой калибровкой сократили бы время настройки и сделали технологию доступной большему числу людей, включая тех, кто с трудом переносит повторяющиеся тренировки. Для всех, кто интересуется познанием, это исследование подчёркивает более широкий принцип: электрические сигнатуры мозга одновременно глубоко индивидуальны и удивительно поддаются выравниванию при правильной математике. Оно также показывает, как современное машинное обучение может извлекать стабильные сигналы из зашумлённых нейронных данных — навык, отражающий то, как наш собственный мозг фильтрует отвлекающие факторы, чтобы сосредоточиться.
Что вы можете сделать
Хотя нулевой калибровки BCI пока не купить, вы можете тренировать лежащие в их основе когнитивные мышцы — внимание, мысленные образы и когнитивную гибкость. Попробуйте медитацию сосредоточенного внимания, чтобы отточить способность удерживать и переключать внимание. Практикуйте моторное воображение: мысленно прорепетируйте простое движение, например сжатие мяча, и заметьте, насколько ярко вы можете его смоделировать. Эти упражнения укрепляют те же сенсомоторные ритмы, которые декодируют BCI, и они бесплатны.
Источник: arXiv q-bio.NC
Любопытно узнать о собственном мозге? Пройдите наш бесплатный адаптивный тест IQ или попробуйте 306 уровней тренировки мозга.