脳研究パート2の開発に関する論文

1.非侵襲的な脳-コンピューター-メタサーフェスプラットフォーム（arXiv）を介した人間の心の直接ワイヤレス通信

著者：Qian Ma、Wei Gao、Qiang Xiao、Lingsong Ding、 Tianyi Gao、Yajun Zhou、 Xinxin Gao、Tao Yan、Che Liu、Ze Gu、Xianghong Kong、Qammer H. Abbasi、Lianlin Li、Cheng-Wei Qiu、 Yuan 、タイジュンキュイ

概要 ：ブレイン・コンピューター・インターフェース（BCI）は、侵襲的または非侵襲的であり、比類のないビジョンを投影し、周囲との相互作用を改善する必要のある患者を支援することを約束しています。神経系の機能障害と切断のためのBCIベースのリハビリテーション技術に触発されて、脳信号によって直接かつ非侵襲的に人間の認知によって調節される電磁ブレインコンピューターメタサーフェス（EBCM）パラダイムを提案します。私たちのEBCMプラットフォームは、人間の心をP300ベースの脳波の誘発電位から、電磁気領域のデジタルコーディング情報に非侵襲的に変換できることを実験的に示しています。これは、自動化されたワイヤレス方式で情報メタサーフェスによってさらに処理および転送できます。人間の心の直接無線通信は、正確なテキスト送信を使用して2人のEBCMオペレーター間で実行されます。さらに、同じEBCMプラットフォームを使用して、他のいくつかの概念実証マインドコントロールスキームが提示され、ビジュアルビームスキャン、波動変調、パターンエンコーディングなどの情報処理と合成の柔軟にカスタマイズされた機能を示します。

2.ツイントランスフォーマー（arXiv）を介した時空間機能脳ネットワークの解きほぐし

著者：Xiaowei Yu、Lu Zhang、Lin Zhao、Yanjun Lyu、 Tianming Liu、Dajiang Zhu

概要 ：機能的な脳ネットワーク（BN）を識別して特徴づける方法は、脳の組織アーキテクチャのメカニズムに対するシステムレベルの洞察を得るための基本です。現在の機能的磁気共鳴（fMRI）分析は、空間的（たとえば、安静時ネットワーク）または時間的（たとえば、タスク刺激）ドメインの特定のパターンに関する事前の知識に大きく依存しています。さらに、ほとんどのアプローチはグループごとの共通の機能ネットワークを見つけることを目的としており、個人固有の機能ネットワークはめったに研究されていません。この作業では、自己監視方式で、空間空間と時間空間の両方で共通および個別の機能ネットワークを同時に推測するための新しいツイントランスフォーマーフレームワークを提案します。最初のトランスフォーマーは、空間分割された情報を入力として受け取り、空間的特徴を生成します。一方、2番目のトランスフォーマーは、時間関連の情報を入力として受け取り、時間的特徴を出力します。空間的および時間的特徴は、2つの変圧器間の相互作用（重みの共有）および制約を介して、共通の特徴と個々の特徴にさらに分離されます。TwinTransformersをHumanConnectomeProject（HCP）モータータスク-fMRIデータセットに適用し、タスク関連ネットワークと安静時ネットワーク（デフォルトモードネットワークなど）の両方を含む、複数の一般的な脳ネットワークを特定しました。興味深いことに、タスクの刺激とは関係がなく、個人レベルでのみ存在する個人固有のネットワークのセットも正常に回復しました。TwinTransformersをHumanConnectomeProject（HCP）モータータスク-fMRIデータセットに適用し、タスク関連ネットワークと安静時ネットワーク（デフォルトモードネットワークなど）の両方を含む、複数の一般的な脳ネットワークを特定しました。興味深いことに、タスクの刺激とは関係がなく、個人レベルでのみ存在する個人固有のネットワークのセットも正常に回復しました。TwinTransformersをHumanConnectomeProject（HCP）モータータスク-fMRIデータセットに適用し、タスク関連ネットワークと安静時ネットワーク（デフォルトモードネットワークなど）の両方を含む、複数の一般的な脳ネットワークを特定しました。興味深いことに、タスクの刺激とは関係がなく、個人レベルでのみ存在する個人固有のネットワークのセットも正常に回復しました。

3.スキルミオンの磁場誘起ダイナミクスを使用したニューロモルフィックコンピューティングによるパターン認識（arXiv）

著者：横内知之、杉本聡、ビヴァス・ラナ、関真一郎、小川直毅、塩見有希、葛西真也、大谷義親

要約：物理システムの非線形現象は脳に使用できます-低エネルギー消費のインスピレーションを得たコンピューティング。スキルミオンと呼ばれるトポロジカルスピン構造のダイナミクスからの応答は、そのようなニューロモルフィックコンピューティングの候補の1つです。ただし、その能力は実験的に十分に調査されていません。ここでは、スキルミオンの磁場誘起ダイナミクスに由来する非線形応答を使用したニューロモルフィックコンピューティングを実験的に示します。シンプルな構造のスキルミオンベースのニューロモルフィックデバイスを設計し、94.7％もの精度で手書き数字認識と波形認識に成功しました。特に、認識精度とデバイス内のスキルミオンの数の間には正の相関関係があります。位置やサイズなどのスキルミオンシステムの大きな自由度は、より複雑な非線形マッピングとより大きな出力次元を生み出します。したがって、高精度です。私たちの結果は、省エネで高性能なスキルミオンニューロモルフィックコンピューティングデバイスを開発するためのガイドラインを提供します。

4.監視付きオートエンコーダー（ arXiv）に基づく被験者に依存しないブレインコンピューターインターフェースフレームワーク

著者： Navid Ayoobi、Elnaz Banan Sadeghian

概要 ：新しいユーザー向けにシステムを調整するには、運動イメージベースのブレインコンピューターインターフェイス（MI-BCI）でキャリブレーション手順が必要です。この手順には時間がかかり、経験の浅いユーザーがシステムをすぐに使用することはできません。キャリブレーションフェーズを削減するためのサブジェクトに依存しないMI-BCIシステムの開発は、MI信号のサブジェクトに依存する特性のため、依然として困難です。機械学習と深層学習に基づく多くのアルゴリズムが開発され、MI信号から高レベルの特徴を抽出して、BCIシステムの主題間の一般化を改善しています。ただし、これらの方法は、教師あり学習に基づいており、さまざまなMI信号を識別するのに役立つ特徴を抽出します。したがって、これらのアプローチでは、MI信号の一般的な基本パターンを見つけることができず、それらの一般化レベルは制限されます。この論文は、校正段階を回避するために、監視付きオートエンコーダ（SAE）に基づく被験者に依存しないMI-BCIを提案します。提案されたフレームワークは、BCIコンペティションIVのデータセット2aで検証されています。シミュレーション結果は、SISAEモデルが、9人の被験者のうち8人で、平均カッパ値に関して、従来の広く使用されているBCIアルゴリズム、一般的な空間およびフィルターバンクの一般的な空間パターンよりも優れていることを示しています。

5.Visio-Linguistic Brain Encoding（arXiv）

著者：Subba Reddy Oota 、Jashn Arora、Vijay Rowtula、Manish Gupta、Raju S. Bapi

概要 ：効果的なブレインコンピューターインターフェイスを有効にするには、人間の脳が視覚、言語（またはテキスト）などのモダリティ全体で刺激をエンコードする方法を理解する必要があります。ブレインエンコードは、刺激が与えられた場合のfMRI脳活動の構築を目的としています。シングルモード刺激の脳エンコーディングを研究する神経エンコーディングモデルが多数存在します：視覚（事前トレーニングされたCNN）またはテキスト（事前トレーニングされた言語モデル）。最近の論文の中には、視覚的表現モデルとテキスト表現モデルを別々に取得し、単純なヒューリスティックを使用してレイトフュージョンを実行したものはほとんどありません。ただし、以前の作業では、（a）視覚刺激をエンコードするためのImage Transformerモデルの有効性、および（b）視覚およびテキストの推論のための共注意マルチモーダルモデリングの調査に失敗しました。このホワイトペーパーでは、イメージトランスフォーマー（ViT、DEiT、およびBEiT）および脳エンコーディング用のマルチモーダルトランスフォーマー（VisualBERT、LXMERT、およびCLIP）。2つの人気のあるデータセット、BOLD5000とPereiraでの広範な実験により、次の洞察が得られます。（1）私たちの知る限りでは、脳のエンコーディングに対する画像およびマルチモーダルトランスフォーマーの有効性を調査した最初の企業です。（2）マルチモーダルトランスフォーマーであるVisualBERTは、以前に提案されたシングルモードCNN、イメージトランスフォーマー、およびその他の以前に提案されたマルチモーダルモデルを大幅に上回り、新しい最先端技術を確立します。視覚言語モデルの優位性は、画像を受動的に表示している場合でも、視覚領域で誘発される応答が言語処理によって暗黙的に影響を受けるかどうかという問題を提起します。