Zyphra/zuna

解決的問題

ZUNA1.1 是為解決 EEG（腦電圖）記錄中的常見問題而設計，例如雜訊過多的資料、缺失通道（故障電極）或稀疏的電極佈局。研究人員無需針對不同硬體設定重新訓練模型，即可進行訊號去噪、遺失通道重建，以及將稀疏導聯升級為更密集的導聯。

工作原理

ZUNA1.1 是一個 380M 參數的 Transformer 編碼器-解碼器擴散自編碼器。它將 EEG 訊號切分成 0.125 秒的片段，並視為記號處理。與依賴固定通道清單的傳統模型不同，ZUNA 基於電極的 3D 頭皮座標，使用 4D 旋轉位置編碼（x, y, z, t）。這使得模型具備「通道無關性」，即無論記錄時使用的電極數量或佈局為何，都能在頭皮任意位置合成訊號。

適用對象

專為需要清洗與增強神經資料的 EEG 研究人員與 BCI（腦-電腦介面）開發者設計。明確不適用於臨床醫療診斷用途。

主要亮點

• 彈性導聯支援： 支援從 4 通道頭帶到 256 通道研究帽的任意佈局。
• 高效推論： 所需顯存低於 1 GB，可在消費級 GPU、Mac（Apple Silicon）或 CPU 上運行。
• 強健訓練： 基於 350 萬通道小時的公開 EEG 資料，採用四種不同丟棄策略（整通道、全時段、通道-時段、隨機均勻）模擬真實世界中的資料損壞。
• 可變長度輸入： 支援 0.5 至 30 秒的訊號片段。
• 易於整合： 提供 Python API 與瀏覽器版沙盒，可快速進行去噪與上採樣。