Тепер ви можете перетворити дешеві ЕЕГ-гарнітури на лабораторні сканери мозку. І це відкритий код. ZUNA — це базова модель з параметрами 380M, яка відновлює відсутні сигнали мозку з часткових даних ЕЕГ. Він працює на будь-якій електродній системі — від споживчих гарнітур до 256-канальних дослідницьких систем — без повторного навчання. Він дозволяє вам: - Реконструювати відсутні канали ЕЕГ з розріджених даних - Пошкоджені сигнали для видалення шуму - Прогнозувати нові канали лише за координатами електрода - Обробка довільних розташування електродів Модель використовує дифузійний автоенкодер із трансформаторною основою. Він був навчений на 2 мільйонах канал-годин у 208 наборах даних із використанням маскованого дифузійного навчання та 4D-просторових вкладень. Це дозволяє моделі зрозуміти фізичну геометрію розташування електродів. Кожен сигнал каналу стискається у токени, після чого модель кодує позиції x, y, z плюс час у окремі компоненти уваги. Дані ЕЕГ застрягли в епоху до створення фундаментальної моделі. Набори даних невеликі, фрагментовані між установами, збираються за різними протоколами. Стандартним виправленням відсутніх каналів є сферична сплайнна інтерполяція, тобто просторове згладжування. Він працює нормально, коли кілька каналів відключаються, але руйнується, коли ви втрачаєте більше 75% даних. ZUNA долає цей базовий рівень, вивчаючи реальні закономірності мозкової активності, а не просто згладжуючи між точками. Розрив значно збільшується при високому рівні відсіву — саме там, де це найбільше потрібно. Мислення в текст позиціонує себе як наступний великий ШІ модальність після мови, зору та аудіо. Але не можна будувати це майбутнє на даних, які викидаються через те, що кілька електродів відмовили. Модель повністю відкрита під Apache 2.0, працює на споживчих GPU і працює на процесорі для багатьох завдань.