Zyphra lanza ZUNA1.1, un modelo base abierto de EEG para señales cerebrales de cualquier duración

Zyphra ha lanzado ZUNA1.1, un modelo base de código abierto para electroencefalografía (EEG) — los registros eléctricos de la actividad cerebral — el 17 de julio. Publicado bajo una permisiva licencia Apache 2.0, busca hacer con los datos neuronales desordenados lo que antes hicieron los modelos base con el texto y las imágenes.

El modelo

ZUNA1.1 es un transformer encoder-decoder de 380 millones de parámetros construido como un autoencoder de difusión. Su principal mejora frente al ZUNA1 original es la flexibilidad: acepta entradas de longitud variable de 0,5 a 30 segundos, en lugar de quedar limitado a segmentos fijos de 5 segundos, una diferencia práctica cuando los registros reales no llegan en ventanas ordenadas.

Qué hace

El modelo elimina ruido del EEG, reconstruye canales faltantes y reescala registros — rellenando los huecos que afectan a los datos cerebrales del mundo real. En el error de reconstrucción retenido, Zyphra informa de que iguala o supera la interpolación esférica-spline clásica, la técnica estándar a la que aspira a sustituir. Un autoencoder de difusión aprende a comprimir señales y luego a regenerarlas, lo que permite al modelo inferir valores plausibles para canales que se perdieron o que nunca llegaron a registrarse.

De diademas a equipos de investigación

Lo crucial es que generaliza entre hardware. Gracias a la tokenización sensible a la posición, ZUNA1.1 funciona con distribuciones de electrodos arbitrarias — desde diademas de consumo de 4 electrodos hasta equipos de investigación de 256 canales. Esa portabilidad entre dispositivos es precisamente la fragmentación que ha mantenido los datos neuronales aislados y difíciles de aprovechar.

Pesos abiertos

Entrenado con aproximadamente 3,5 millones de horas-canal de EEG público — frente a unos 2 millones en la versión anterior —, el modelo, su código y sus pesos están disponibles libremente. En un campo en el que los datos cerebrales etiquetados son escasos y costosos, un modelo base abierto y agnóstico al hardware reduce la barrera de entrada para startups y académicos que desarrollan neurotecnología e interfaces cerebro-computadora. Zyphra, más conocida por modelos eficientes de lenguaje y multimodales, aplica ahora la misma filosofía de eficiencia a las biosenales, apostando por que una infraestructura abierta alimente el ecosistema de desarrolladores que, en última instancia, impulsa la adopción.