" По сути, создан рецепт, как строить нейроинтерфейсы, которые: сразу дают высокую точность и не теряют её через год-два-три.
Проблема всех текущих лидеров нейроинтерфейсов (BCI) - то, что они работают на спайках → супер-точно, но сигнал деградирует за месяцы-годы. LFP (локальные полевые потенциалы) стабильны годами, но точность декодирования намерений обычно сильно ниже.
Команда из Стэнфорда показала, как это исправить раз и навсегда:
Они научились «перегонять» высокоточные представления из больших спайковых трансформеров в LFP-модели.
Результаты:
1. Точность LFP-моделей подскакивает до уровня близкого к спайковым
2. Модель обобщается на новые сессии без дополнительной дистилляции
3. На инференсе нужны только LFP — спайки больше не требуются вообще
4. Скрытые представления LFP-модели становятся почти идентичны спайковыми.
