介绍 ZUNA，这是一个拥有 3.8 亿参数的 BCI 基础模型，用于 EEG 数据，这是非侵入式思维转文本发展的一个重要里程碑。 完全开源，Apache 2.0。

非侵入性脑电图（EEG）数据易于获取且信息密集，为思想转文本的脑机接口（BCI）应用提供了实用的基础。 EEG通过头皮电极记录大脑电活动，以诊断各种神经系统疾病并监测大脑状态。

尽管信息丰富，EEG 数据通常杂乱无章，受到通道掉线、运动伪影和稀疏电极覆盖的困扰。 ZUNA 从 EEG 数据中重建高保真脑信号，使得更好的诊断、研究和 BCI 应用成为可能，而无需额外的硬件。

传感器较少的设备在可及性与信号覆盖之间进行权衡。 ZUNA 从稀疏数据和电极坐标中预测缺失的通道，提供临床级信号，适用于从消费级耳机到 256 电极研究系统，无需重新训练。

ZUNA 在掩蔽和未见的 EEG 数据集上，显著优于传统方法，如 MNE 的球面样条插值。 其优势随着更高的上采样而增加，特别是在 4 倍时，经典方法失效，而 ZUNA 表现出色。

ZUNA 在 208 个 EEG 数据集中经过 200 万小时的训练，使用掩蔽扩散训练和 4D 空间嵌入来跨数据集和任意电极布局进行泛化。

我们很高兴地分享 ZUNA。Zyphra BCI 团队的出色工作。@ChrisWarnerII @JonasHMago @jonhumlatnight @BerenMillidge 有兴趣合作以改善未来版本以满足特定需求或用例的人士，请联系 @PaulWhiteIRL @dannymartinelli