Zyphra lança ZUNA1.1, um modelo fundacional aberto de EEG para sinais cerebrais de qualquer duração

Zyphra lançou o ZUNA1.1, um modelo fundacional com licença aberta para eletroencefalografia (EEG) — os registros elétricos da atividade cerebral — em 17 de julho. Publicado sob uma permissiva licença Apache 2.0, trata-se de uma aposta para fazer com dados neurais desorganizados o que modelos fundacionais anteriores fizeram por texto e imagens.

O modelo

O ZUNA1.1 é um transformador encoder-decoder de 380 milhões de parâmetros, construído como um autoencoder de difusão. Sua principal evolução em relação ao ZUNA1 original é a flexibilidade: ele aceita entradas de comprimento variável de 0,5 a 30 segundos, em vez de ficar preso a segmentos fixos de 5 segundos — uma diferença prática quando os registros reais não chegam em janelas bem comportadas.

O que ele faz

O modelo remove ruído do EEG, reconstrói canais ausentes e faz upsampling de gravações — preenchendo as lacunas que afetam os dados cerebrais do mundo real. No erro de reconstrução em dados reservados, a Zyphra afirma que ele iguala ou supera a interpolação esférica por splines, a técnica clássica que pretende substituir. Um autoencoder de difusão aprende a comprimir sinais e depois regenerá-los, o que permite ao modelo inferir valores plausíveis para canais que falharam ou que simplesmente nunca foram gravados.

De headbands a rigs de pesquisa

Crucialmente, ele generaliza entre hardwares. Usando tokenização com reconhecimento de posição, o ZUNA1.1 funciona em layouts arbitrários de eletrodos — de headbands de consumo com 4 eletrodos até rigs de pesquisa com 256 canais. Essa portabilidade entre dispositivos é exatamente a fragmentação que manteve os dados neurais isolados e difíceis de reaproveitar.

Pesos abertos

Treinado com cerca de 3,5 milhões de canal-horas de EEG público — ante cerca de 2 milhões na versão anterior —, o modelo, seu código e seus pesos estão todos disponíveis gratuitamente. Em um campo em que dados cerebrais rotulados são escassos e caros, um modelo base aberto e agnóstico em relação ao hardware reduz a barreira para startups e acadêmicos que desenvolvem neurotecnologia e interfaces cérebro-computador. A Zyphra, mais conhecida por modelos eficientes de linguagem e multimodais, está aplicando a mesma filosofia de eficiência em biossinais, apostando que uma infraestrutura aberta semeia o ecossistema de desenvolvedores que, em última instância, impulsiona a adoção.