Zyphra lance ZUNA1.1, un modèle fondation EEG ouvert pour des signaux cérébraux de toute longueur

Zyphra a lancé ZUNA1.1, un modèle fondation sous licence ouverte pour l’électroencéphalographie (EEG) — les enregistrements électriques de l’activité cérébrale — le 17 juillet. Publié sous une licence permissive Apache 2.0, il vise à faire pour les données neuronales bruitées ce que les premiers modèles fondation ont fait pour le texte et les images.

Le modèle

ZUNA1.1 est un encodeur-décodeur transformeur de 380 millions de paramètres, construit comme un autoencodeur de diffusion. Sa principale avancée par rapport au ZUNA1 original est sa flexibilité : il accepte des entrées de longueur variable de 0,5 à 30 secondes, au lieu d’être limité à des segments fixes de 5 secondes — une différence pratique quand les enregistrements réels n’arrivent pas dans des fenêtres bien ordonnées.

Ce qu’il fait

Le modèle dénoue le bruit dans l’EEG, reconstruit des canaux manquants et suréchantillonne les enregistrements — comblant les lacunes qui affectent les données cérébrales du monde réel. Sur l’erreur de reconstruction laissée de côté, Zyphra indique qu’il égale ou dépasse l’interpolation sphérique par splines classique, la technique standard qu’il vise à remplacer. Un autoencodeur de diffusion apprend à compresser les signaux puis à les régénérer, ce qui permet au modèle d’inférer des valeurs plausibles pour des canaux qui ont disparu ou n’ont jamais été enregistrés au départ.

Des bandeaux aux bancs de recherche

Surtout, il se généralise sur le matériel. Grâce à un tokenisation tenant compte de la position, ZUNA1.1 fonctionne avec des implantations d’électrodes arbitraires — des bandeaux grand public à 4 électrodes jusqu’aux bancs de recherche à 256 canaux. Cette portabilité entre appareils est précisément la fragmentation qui a maintenu les données neuronales en silos et rendu leur exploitation difficile.

Poids ouverts

Entraîné sur environ 3,5 millions d’heures-canaux d’EEG public — contre environ 2 millions pour la version précédente —, le modèle, son code et ses poids sont tous librement accessibles. Dans un domaine où les données cérébrales annotées sont rares et coûteuses, un modèle de base ouvert et agnostique au matériel abaisse la barrière d’entrée pour les startups et les chercheurs qui développent des neurotechnologies et des interfaces cerveau-ordinateur. Zyphra, mieux connue pour ses modèles de langage et multimodaux efficaces, applique la même philosophie axée sur l’efficacité aux biosignaux, pariant que l’infrastructure ouverte alimente l’écosystème de développeurs qui, au final, favorise l’adoption.