DeeperBrain：浙大潘纲团队让脑电基础模型真正“懂”神经机制

浙江大学潘纲教授团队提出了一种名为DeeperBrain的神经生理学启发的脑电基础模型，该模型通过将神经电生理的物理先验嵌入深度学习架构，实现了跨任务通用脑机接口。这项技术能够在不进行个性化校准的情况下解析抑郁症患者的情绪状态并启动干预。现有EEG基础模型在端到端微调时表现尚可，但在冻结探测协议下性能急剧下降，表明它们学到的是场景特定的统计规律而非普适的神经生理学表征。DeeperBrain的核心创新在于将EEG生成的物理定律转化为架构层面的归纳偏置，在空间维度上针对容积传导现象建模，并设计了神经动力学感知的位置编码，从而实现对潜在神经源的有效解耦。