Zyphra/zuna

해결하는 문제

ZUNA1.1은 EEG(뇌파) 기록에서 흔히 발생하는 문제, 즉 노이즈가 많은 데이터, 누락된 채널(고장난 전극), 또는 희박한 전극 배열을 해결하기 위해 설계되었습니다. 연구자들은 모델을 다시 훈련할 필요 없이 신호 노이즈 제거, 떨어진 채널 재구성, 그리고 희박한 마운트를 더 밀도 높은 마운트로 업샘플링할 수 있습니다.

작동 방식

ZUNA1.1은 380M 파라미터의 트랜스포머 인코더-디코더 확산 오토인코더입니다. EEG 신호는 0.125초 단위로 자르고 토큰으로 처리합니다. 기존 모델이 고정된 채널 목록에 의존하는 것과 달리, ZUNA는 전극의 3D 두피 좌표를 기반으로 한 4D 회전 위치 인코딩(x, y, z, t)을 사용합니다. 이로 인해 모델은 "채널에 의존하지 않는" 상태가 되어, 기록 시 사용된 전극의 수나 배열과 관계없이 두피의 어떤 위치에서도 신호를 합성할 수 있습니다.

대상 사용자

EEG 연구자 및 BCI(뇌-컴퓨터 인터페이스) 개발자에게 적합합니다. 신경 데이터를 정리하고 증강해야 하는 분들께 적합합니다. 임상 의료 진단용 도구로는 명시적으로 고려되지 않았습니다.

주요 특징

• 유연한 마운트 지원: 4채널 헤드밴드부터 256채널 연구용 캡까지 모든 레이아웃에 대응.
• 효율적인 추론: VRAM 사용량이 1GB 미만으로, 소비자용 GPU, 맥(Apple Silicon), 또는 CPU에서도 실행 가능.
• 강력한 훈련: 공개 EEG 데이터 350만 채널시간을 기반으로, 네 가지 다른 드롭아웃 방식(전체 채널, 전체 시간, 채널-시간, 무작위 균일)을 사용해 실제 세계의 손상 상황을 시뮬레이션하여 훈련.
• 가변 길이 입력: 0.5초에서 30초까지의 신호 세그먼트를 지원.
• 간편한 통합: Python API와 브라우저 기반 플레이그라운드를 제공하여 신속한 노이즈 제거 및 업샘플링이 가능.